# TensorFlow & Keras (Data Science & ML)

> Sequential API, Functional API, layers, callbacks, checkpoints, TensorBoard, model opslaan

- 22 gespreksvragen
- Senior
- [Gespreksvragen: Data Science & ML](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen.md)

## 1. Wat is het belangrijkste verschil tussen Keras Sequential API en Functional API?

**Antwoord**

De Sequential API stelt je in staat modellen laag voor laag op een lineaire manier te bouwen, waarbij elke layer precies één input en één output heeft. De Functional API biedt meer flexibiliteit door complexe architecturen mogelijk te maken: meerdere inputs, meerdere outputs, residual connections en gedeelde layer-grafen. Gebruik Sequential voor eenvoudige architecturen en Functional voor meer geavanceerde gevallen.

## 2. Hoe maak je een Sequential model met een Dense layer van 64 neuronen gevolgd door een output layer van 10 neuronen?

**Antwoord**

De standaardmethode is om tf.keras.Sequential() te instantiëren en vervolgens model.add() te gebruiken om layers één voor één toe te voegen, of een lijst van layers direct aan de constructor door te geven. Elke Dense layer neemt het aantal units als parameter, en de eerste layer vereist het specificeren van input_shape om de vorm van invoergegevens te definiëren.

## 3. Wat is de rol van de 'softmax' activatiefunctie in een output layer?

**Antwoord**

De softmax-functie transformeert logits (ruwe outputs) naar kansen die sommeren tot 1, wat ideaal is voor multi-class classificatie. Elke output vertegenwoordigt de kans op het behoren tot een klasse. Het wordt typisch gebruikt met categorical_crossentropy loss voor one-hot labels of sparse_categorical_crossentropy voor integer labels.

## Nog 19 vragen beschikbaar

- Hoe definieer je een model met de Functional API dat twee verschillende inputs heeft?
- Welke callback te gebruiken om training te stoppen wanneer validation loss niet meer verbetert?

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
- [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
- [GenAI & LangChain](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/genai-langchain.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/tensorflow-keras