Question 1

Wat is een convolution-operatie in een CNN?

Accepted Answer

Een convolution is een wiskundige bewerking die een filter (kernel) toepast op een afbeelding door dit filter over de input te schuiven en bij elke positie het inwendig product te berekenen. Dit maakt het mogelijk lokale features zoals randen, texturen of patronen te extraheren. In tegenstelling tot dense netwerken waarin elke neuron met alle inputs is verbonden, benut convolution de ruimtelijke structuur van afbeeldingen door de filtergewichten over de hele afbeelding te delen.

Question 2

Wat is de rol van stride in een convolution-laag?

Accepted Answer

Stride definieert de stapgrootte bij het verplaatsen van het filter over de afbeelding. Een stride van 1 verplaatst het filter met één pixel per stap, terwijl een stride van 2 het 2 pixels verplaatst, waardoor de uitvoergrootte wordt verkleind. Het verhogen van stride maakt het mogelijk om de ruimtelijke dimensie van de feature map en de rekenkost te verminderen, maar kan ook informatieverlies veroorzaken als de stride te groot is.

Question 3

Wat is het doel van padding in een convolution-laag?

Accepted Answer

Padding bestaat uit het toevoegen van pixels (meestal nullen) rond de invoerafbeelding voordat convolution wordt toegepast. Dit maakt het mogelijk de uitvoergrootte te controleren en informatie aan de randen van de afbeelding te behouden. Met 'same' padding heeft de uitvoer dezelfde grootte als de invoer, terwijl met 'valid' (geen padding) de grootte afneemt. Padding voorkomt ook dat randpixels onderbelicht zijn in feature maps.

CNN en beeldclassificatie

Wat is een convolution-operatie in een CNN?

Antwoord

Wat is de rol van stride in een convolution-laag?

Antwoord

Wat is het doel van padding in een convolution-laag?

Antwoord

Wat is het verschil tussen Max Pooling en Average Pooling?

Wat is een feature map in een CNN?

Andere Data Science & ML-sollicitatieonderwerpen

Python-basisbeginselen

Python Objectgeoriënteerd Programmeren

Python-datastructuren

Git-Fundamenten

SQL-basisbeginselen

NumPy-grondbeginselen

Pandas-basis

Jupyter & Google Colab

SQL Joins & geavanceerde queries

Geavanceerd Pandas

Visualisatie met Matplotlib & Seaborn

Interactieve visualisaties met Plotly

Beschrijvende statistiek

Inferentiële statistiek

Web Scraping

BigQuery & Cloud Data

Feature Engineering

Supervised ML: Regressie

Supervised ML: Classificatie

Beslissingsbomen & Ensembles

Ongesuperviseerd ML

ML Pipelines & Validatie

Tijdreeksen & Voorspelling

Fundamenten van Deep Learning

TensorFlow & Keras

RNN & Reeksen

Transformers & Attention

NLP & Hugging Face

GenAI & LangChain

MLOps en Deployment

Beheers Data Science & ML voor je volgende gesprek