# GenAI & LangChain (Data Science & ML) > LLMs (GPT, Gemini, Claude), prompting, LangChain, chains, agents, RAG, vector stores, embeddings - 24 gespreksvragen - Senior - [Gespreksvragen: Data Science & ML](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen.md) ## 1. Wat is een LLM (Large Language Model)? **Antwoord** Een LLM is een deep learning-model dat is getraind op enorme hoeveelheden tekst om natuurlijke taal te begrijpen en genereren. Deze modellen gebruiken de Transformer-architectuur met miljarden parameters, waardoor ze taalnuances kunnen vastleggen, complexe instructies kunnen volgen en samenhangende tekst kunnen genereren. GPT-4, Claude en Gemini zijn voorbeelden van LLMs die in productie worden gebruikt. ## 2. Wat is het belangrijkste verschil tussen zero-shot en few-shot prompting? **Antwoord** Zero-shot prompting vraagt het model om een taak uit te voeren zonder voorafgaande voorbeelden te geven, en vertrouwt alleen op instructies. Few-shot prompting bevat enkele input/output-paar voorbeelden in de prompt om het model te begeleiden. Few-shot verbetert over het algemeen de prestaties bij specifieke taken omdat het model het verwachte formaat en de stijl kan afleiden uit de verstrekte voorbeelden. ## 3. Wat is chain-of-thought (CoT) prompting? **Antwoord** Chain-of-thought prompting is een techniek die de LLM aanmoedigt om zijn redenering stap voor stap af te breken voordat hij zijn definitieve antwoord geeft. Door zinnen toe te voegen als 'Laten we stap voor stap denken' of voorbeelden van redenering te tonen, verbetert de prestaties op logische, wiskundige of meerstaps redeneringtaken aanzienlijk. Deze aanpak maakt ook het besluitvormingsproces transparanter en verifieerbaar. ## Nog 21 vragen beschikbaar - Wat is LangChain en wat is het hoofddoel? - Wat is een chain in LangChain? Meld je gratis aan: https://sharpskill.dev/nl/login ## Andere Data Science & ML-sollicitatieonderwerpen - [Python-basisbeginselen](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/python-basics.md): 25 vragen, Junior - [Python Objectgeoriënteerd Programmeren](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/python-oop.md): 20 vragen, Junior - [Python-datastructuren](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/python-data-structures.md): 20 vragen, Junior - [Git-Fundamenten](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/git-fundamentals.md): 18 vragen, Junior - [SQL-basisbeginselen](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/sql-basics.md): 20 vragen, Junior - [NumPy-grondbeginselen](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/numpy-fundamentals.md): 22 vragen, Junior - [Pandas-basis](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/pandas-basics.md): 22 vragen, Junior - [Jupyter & Google Colab](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/jupyter-colab.md): 16 vragen, Junior - [SQL Joins & geavanceerde queries](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/sql-joins-advanced.md): 22 vragen, Mid-Level - [Geavanceerd Pandas](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/pandas-advanced.md): 24 vragen, Mid-Level - [Visualisatie met Matplotlib & Seaborn](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/matplotlib-seaborn.md): 20 vragen, Mid-Level - [Interactieve visualisaties met Plotly](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/plotly-interactive.md): 18 vragen, Mid-Level - [Beschrijvende statistiek](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/statistics-descriptive.md): 20 vragen, Mid-Level - [Inferentiële statistiek](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/statistics-inferential.md): 24 vragen, Mid-Level - [Web Scraping](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/web-scraping.md): 18 vragen, Mid-Level - [BigQuery & Cloud Data](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/bigquery-cloud.md): 18 vragen, Mid-Level - [Feature Engineering](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/feature-engineering.md): 22 vragen, Mid-Level - [Supervised ML: Regressie](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-supervised-regression.md): 24 vragen, Mid-Level - [Supervised ML: Classificatie](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-supervised-classification.md): 24 vragen, Mid-Level - [Beslissingsbomen & Ensembles](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-trees-ensembles.md): 24 vragen, Mid-Level - [Ongesuperviseerd ML](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-unsupervised.md): 22 vragen, Mid-Level - [ML Pipelines & Validatie](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-pipelines-validation.md): 22 vragen, Mid-Level - [Tijdreeksen & Voorspelling](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/time-series-forecasting.md): 22 vragen, Mid-Level - [Fundamenten van Deep Learning](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/deep-learning-fundamentals.md): 24 vragen, Senior - [TensorFlow & Keras](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/tensorflow-keras.md): 22 vragen, Senior - [CNN en beeldclassificatie](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/cnn-image-classification.md): 24 vragen, Senior - [RNN & Reeksen](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/rnn-sequences.md): 22 vragen, Senior - [Transformers & Attention](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/transformers-attention.md): 24 vragen, Senior - [NLP & Hugging Face](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/nlp-huggingface.md): 24 vragen, Senior - [MLOps en Deployment](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/mlops-deployment.md): 24 vragen, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/genai-langchain