# TensorFlow & Keras (Data Science & ML)

> Sequential API、Functional API、layers、callbacks、checkpoints、TensorBoard、モデルの保存

- 22 面接問題
- Senior
- [面接問題: Data Science & ML](https://sharpskill.dev/ja/technologies/data-science/interview-questions.md)

## 1. Kerasの Sequential API と Functional API の主な違いは何ですか？

**回答**

Sequential APIは、各layerが正確に1つの入力と1つの出力を持つ線形的な方法でモデルを構築できます。Functional APIは、複数の入力、複数の出力、residual connections、共有layerグラフといった複雑なアーキテクチャを可能にすることで、より高い柔軟性を提供します。シンプルなアーキテクチャにはSequentialを、より高度なケースにはFunctionalを使用してください。

## 2. 64個のニューロンを持つDense layerに続いて10個のニューロンを持つ出力layerを備えたSequentialモデルを作成するにはどうすればよいですか？

**回答**

標準的な方法は、tf.keras.Sequential()をインスタンス化し、model.add()を使ってlayerを1つずつ追加するか、layerのリストを直接コンストラクタに渡すことです。各Dense layerはunits数をパラメータとして取り、最初のlayerは入力データの形状を定義するためにinput_shapeを指定する必要があります。

## 3. 出力layerにおける 'softmax' 活性化関数の役割は何ですか？

**回答**

softmax関数は、logits（生の出力）を合計が1になる確率に変換します。これはマルチクラス分類に最適です。各出力はクラスに属する確率を表します。通常、one-hotラベルにはcategorical_crossentropy lossと、整数ラベルにはsparse_categorical_crossentropyと共に使用されます。

## さらに19問利用可能

- Functional APIを使用して、2つの異なる入力を持つモデルを定義するにはどうすればよいですか？
- validation loss が改善しなくなったときに訓練を停止するために、どの callback を使用しますか？

無料で登録: https://sharpskill.dev/ja/login

## その他のData Science & ML面接トピック

- [Pythonの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/python-basics.md): 25問, Junior
- [Pythonオブジェクト指向プログラミング](https://sharpskill.dev/ja/technologies/data-science/interview-questions/python-oop.md): 20問, Junior
- [Pythonのデータ構造](https://sharpskill.dev/ja/technologies/data-science/interview-questions/python-data-structures.md): 20問, Junior
- [Git の基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/git-fundamentals.md): 18問, Junior
- [SQLの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/sql-basics.md): 20問, Junior
- [NumPyの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/numpy-fundamentals.md): 22問, Junior
- [Pandasの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/pandas-basics.md): 22問, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/ja/technologies/data-science/interview-questions/jupyter-colab.md): 16問, Junior
- [SQL Joinsと高度なクエリ](https://sharpskill.dev/ja/technologies/data-science/interview-questions/sql-joins-advanced.md): 22問, Mid-Level
- [Pandas応用](https://sharpskill.dev/ja/technologies/data-science/interview-questions/pandas-advanced.md): 24問, Mid-Level
- [Matplotlib & Seabornによる可視化](https://sharpskill.dev/ja/technologies/data-science/interview-questions/matplotlib-seaborn.md): 20問, Mid-Level
- [Plotlyによるインタラクティブな可視化](https://sharpskill.dev/ja/technologies/data-science/interview-questions/plotly-interactive.md): 18問, Mid-Level
- [記述統計](https://sharpskill.dev/ja/technologies/data-science/interview-questions/statistics-descriptive.md): 20問, Mid-Level
- [推測統計学](https://sharpskill.dev/ja/technologies/data-science/interview-questions/statistics-inferential.md): 24問, Mid-Level
- [Web Scraping](https://sharpskill.dev/ja/technologies/data-science/interview-questions/web-scraping.md): 18問, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/ja/technologies/data-science/interview-questions/bigquery-cloud.md): 18問, Mid-Level
- [Feature Engineering](https://sharpskill.dev/ja/technologies/data-science/interview-questions/feature-engineering.md): 22問, Mid-Level
- [教師あり機械学習：回帰](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-supervised-regression.md): 24問, Mid-Level
- [教師あり機械学習：分類](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-supervised-classification.md): 24問, Mid-Level
- [決定木とアンサンブル](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-trees-ensembles.md): 24問, Mid-Level
- [教師なしML](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-unsupervised.md): 22問, Mid-Level
- [MLパイプラインと検証](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-pipelines-validation.md): 22問, Mid-Level
- [時系列と予測](https://sharpskill.dev/ja/technologies/data-science/interview-questions/time-series-forecasting.md): 22問, Mid-Level
- [Deep Learningの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/deep-learning-fundamentals.md): 24問, Senior
- [CNN と画像分類](https://sharpskill.dev/ja/technologies/data-science/interview-questions/cnn-image-classification.md): 24問, Senior
- [RNNとシーケンス](https://sharpskill.dev/ja/technologies/data-science/interview-questions/rnn-sequences.md): 22問, Senior
- [TransformersとAttention](https://sharpskill.dev/ja/technologies/data-science/interview-questions/transformers-attention.md): 24問, Senior
- [NLPとHugging Face](https://sharpskill.dev/ja/technologies/data-science/interview-questions/nlp-huggingface.md): 24問, Senior
- [GenAIとLangChain](https://sharpskill.dev/ja/technologies/data-science/interview-questions/genai-langchain.md): 24問, Senior
- [MLOps とデプロイ](https://sharpskill.dev/ja/technologies/data-science/interview-questions/mlops-deployment.md): 24問, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/ja/technologies/data-science/interview-questions/tensorflow-keras