Question 1

Czym jest zmienna w Pythonie?

Accepted Answer

Zmienna w Pythonie to nazwa odnosząca się do lokalizacji w pamięci zawierającej wartość. W przeciwieństwie do innych języków, Python używa dynamicznego typowania: typ zmiennej jest określany automatycznie podczas przypisania. Nie ma potrzeby jawnego deklarowania typu.

Question 2

Czym jest klasa w Pythonie?

Accepted Answer

Klasa to szablon (blueprint) służący do tworzenia obiektów, które mają te same atrybuty i metody. Definiuje strukturę i zachowanie obiektów, które będą z niej instancjonowane. Klasy pozwalają organizować kod w sposób modułowy i wielokrotnego użytku, grupując powiązane dane i funkcjonalności.

Question 3

Jaka jest fundamentalna różnica między listą a krotką w Pythonie?

Accepted Answer

Listy są mutowalne (można je modyfikować po utworzeniu), podczas gdy krotki są niemutowalne (nie można ich modyfikować). Ta niemutowalność sprawia, że krotki są hashowalne i można ich używać jako kluczy słowników, w przeciwieństwie do list. Krotki są też nieco wydajniejsze pod względem pamięci i szybkości dostępu.

Question 4

Czym jest Git?

Accepted Answer

Git to rozproszony system kontroli wersji stworzony przez Linusa Torvaldsa w 2005 roku. W przeciwieństwie do scentralizowanych systemów jak SVN, każdy programista ma lokalnie kompletną kopię historii projektu. Pozwala to na pracę offline i oferuje dużą elastyczność dla kolaboracyjnych workflow.

Question 5

Która metoda pozwala zastosować wiele różnych funkcji agregacji do jednej kolumny z groupby?

Accepted Answer

Metoda agg() (lub aggregate()) pozwala stosować wiele funkcji agregacji do tych samych kolumn. Można przekazać listę funkcji jak ['sum', 'mean', 'count'] lub słownik, aby określić różne funkcje dla każdej kolumny. Ta elastyczność jest niezbędna do tworzenia kompleksowych raportów statystycznych w jednej operacji.

Question 6

Jaka jest główna różnica między interfejsem pyplot a interfejsem obiektowym w Matplotlib?

Accepted Answer

Interfejs pyplot (plt.plot, plt.title) to API w stylu MATLAB, które niejawnie zarządza bieżącymi figures i axes, wygodne do szybkich prostych wykresów. Interfejs obiektowy (fig, ax = plt.subplots()) daje jawną kontrolę nad każdym elementem (Figure, Axes) i jest zalecany dla złożonych wykresów, wielu subplots lub skryptów produkcyjnych, ponieważ czyni kod bardziej czytelnym i łatwiejszym w utrzymaniu.

Question 7

Jaka jest główna różnica między Plotly Express a Plotly Graph Objects?

Accepted Answer

Plotly Express to wysokopoziomowe API, które pozwala tworzyć wykresy w jednej linii kodu z prostymi parametrami. Plotly Graph Objects to niskopoziomowe API oferujące pełną kontrolę nad każdym elementem wykresu. Plotly Express używa Graph Objects wewnętrznie, co pozwala przełączać się między nimi w celu dalszej personalizacji wykresów.

Question 8

Czym jest perceptron w kontekście sieci neuronowych?

Accepted Answer

Perceptron to podstawowa jednostka sieci neuronowej, inspirowana neuronem biologicznym. Pobiera wiele wejść, mnoży je przez wagi, sumuje wszystko z biasem, a następnie stosuje funkcję aktywacji w celu wytworzenia wyjścia. Prosty perceptron może rozwiązywać tylko problemy liniowo separowalne, co doprowadziło do rozwoju sieci wielowarstwowych.

Question 9

Jaka jest główna różnica między Keras Sequential API a Functional API?

Accepted Answer

Sequential API pozwala tworzyć modele warstwa po warstwie w sposób liniowy, gdzie każdy layer ma dokładnie jedno wejście i jedno wyjście. Functional API oferuje większą elastyczność, umożliwiając tworzenie modeli o złożonych architekturach: wiele wejść, wiele wyjść, residual connections oraz współdzielone grafy warstw. Używaj Sequential dla prostych architektur i Functional dla bardziej zaawansowanych przypadków.

Question 10

Czym jest operacja convolution w CNN?

Accepted Answer

Convolution to operacja matematyczna, która stosuje filtr (kernel) na obrazie, przesuwając ten filtr po wejściu i obliczając iloczyn skalarny w każdej pozycji. Pozwala to wyodrębnić lokalne feature, takie jak krawędzie, tekstury lub wzorce. W przeciwieństwie do sieci dense, gdzie każdy neuron jest połączony ze wszystkimi wejściami, convolution wykorzystuje strukturę przestrzenną obrazów, dzieląc wagi filtra w całym obrazie.

Pytania z rozmów o Data Science & ML

Gotowy na rozmowę o Data Science & ML?

Odkryj wszystkie tematy Data Science & ML

Podstawy Pythona

Programowanie Obiektowe w Pythonie

Struktury danych Python

Podstawy Git

Podstawy SQL

Podstawy NumPy

Podstawy Pandas

Jupyter & Google Colab

SQL Joins i zaawansowane zapytania

Zaawansowany Pandas

Wizualizacja z Matplotlib & Seaborn

Interaktywne wizualizacje z Plotly

Statystyka opisowa

Statystyka inferencyjna

Web Scraping

BigQuery & Cloud Data

Feature Engineering

Uczenie nadzorowane: Regresja

Uczenie nadzorowane: Klasyfikacja

Drzewa Decyzyjne i Ensembles

ML Nienadzorowane

Pipeline'y ML i walidacja

Szeregi czasowe i prognozowanie

Podstawy Deep Learning

TensorFlow & Keras

CNN i klasyfikacja obrazów

RNN i Sekwencje

Transformers i Attention

NLP i Hugging Face

GenAI i LangChain

MLOps i Wdrożenie

Opanuj Data Science & ML na następną rozmowę