Question 1

ตัวแปรใน Python คืออะไร?

Accepted Answer

ตัวแปรใน Python คือชื่อที่อ้างอิงไปยังตำแหน่งหน่วยความจำที่มีค่าอยู่ ต่างจากภาษาอื่น Python ใช้ dynamic typing: ประเภทของตัวแปรจะถูกกำหนดโดยอัตโนมัติเมื่อมีการกำหนดค่า ไม่จำเป็นต้องประกาศประเภทอย่างชัดเจน

Question 2

คลาสใน Python คืออะไร?

Accepted Answer

คลาสคือพิมพ์เขียว (blueprint) สำหรับสร้างอ็อบเจกต์ที่แชร์ attributes และ methods เดียวกัน คลาสกำหนดโครงสร้างและพฤติกรรมของอ็อบเจกต์ที่จะถูกสร้างจากมัน คลาสช่วยให้สามารถจัดระเบียบโค้ดในรูปแบบที่เป็นโมดูลและใช้ซ้ำได้โดยจัดกลุ่มข้อมูลและฟังก์ชันที่เกี่ยวข้องไว้ด้วยกัน

Question 3

ความแตกต่างพื้นฐานระหว่าง list และ tuple ใน Python คืออะไร?

Accepted Answer

List เป็น mutable (แก้ไขได้หลังสร้าง) ในขณะที่ tuple เป็น immutable (แก้ไขไม่ได้) ความ immutable นี้ทำให้ tuple เป็น hashable และสามารถใช้เป็น key ของ dictionary ได้ ซึ่งต่างจาก list นอกจากนี้ tuple ยังมีประสิทธิภาพดีกว่าเล็กน้อยทั้งด้านหน่วยความจำและความเร็วในการเข้าถึง

Question 4

Git คืออะไร?

Accepted Answer

Git เป็นระบบควบคุมเวอร์ชันแบบกระจายที่สร้างขึ้นโดย Linus Torvalds ในปี 2005 ต่างจากระบบรวมศูนย์เช่น SVN นักพัฒนาแต่ละคนจะมีสำเนาประวัติโปรเจกต์ที่สมบูรณ์อยู่ในเครื่อง สิ่งนี้ทำให้สามารถทำงานแบบออฟไลน์ได้และมอบความยืดหยุ่นอย่างมากสำหรับเวิร์กโฟลว์การทำงานร่วมกัน

Question 5

เมธอดใดที่ช่วยให้สามารถใช้ฟังก์ชัน aggregation หลายตัวกับคอลัมน์เดียวด้วย groupby?

Accepted Answer

เมธอด agg() (หรือ aggregate()) ช่วยให้สามารถใช้ฟังก์ชัน aggregation หลายตัวกับคอลัมน์เดียวกัน คุณสามารถส่ง list ของฟังก์ชัน เช่น ['sum', 'mean', 'count'] หรือ dictionary เพื่อระบุฟังก์ชันที่แตกต่างกันต่อคอลัมน์ ความยืดหยุ่นนี้จำเป็นสำหรับการสร้างรายงานสถิติที่ครอบคลุมในการดำเนินการครั้งเดียว

Question 6

ความแตกต่างหลักระหว่าง pyplot interface และ object-oriented interface ใน Matplotlib คืออะไร?

Accepted Answer

Interface pyplot (plt.plot, plt.title) เป็น API สไตล์ MATLAB ที่จัดการ figures และ axes ปัจจุบันโดยปริยาย สะดวกสำหรับการสร้างพล็อตอย่างง่ายและรวดเร็ว Interface แบบ object-oriented (fig, ax = plt.subplots()) ให้การควบคุมที่ชัดเจนเหนือแต่ละ element (Figure, Axes) และแนะนำสำหรับพล็อตที่ซับซ้อน, subplots หลายตัว, หรือ production scripts เพราะทำให้ code อ่านง่ายและบำรุงรักษาได้ดีกว่า

Question 7

ความแตกต่างหลักระหว่าง Plotly Express และ Plotly Graph Objects คืออะไร?

Accepted Answer

Plotly Express เป็น API ระดับสูงที่ช่วยให้สร้างกราฟด้วยโค้ดบรรทัดเดียวพร้อมพารามิเตอร์ที่เรียบง่าย Plotly Graph Objects เป็น API ระดับล่างที่ให้การควบคุมที่สมบูรณ์เหนือทุกองค์ประกอบของกราฟ Plotly Express ใช้ Graph Objects ภายใน ซึ่งช่วยให้สลับระหว่างทั้งสองเพื่อปรับแต่งกราฟเพิ่มเติมได้

Question 8

Perceptron คืออะไรในบริบทของ neural network?

Accepted Answer

Perceptron เป็นหน่วยพื้นฐานของ neural network โดยได้รับแรงบันดาลใจจากเซลล์ประสาททางชีวภาพ มันรับ input หลายตัว คูณด้วย weights รวมทั้งหมดกับ bias แล้วใช้ฟังก์ชันการกระตุ้นเพื่อสร้าง output Perceptron แบบง่ายสามารถแก้ได้เฉพาะปัญหาที่แยกได้เชิงเส้นเท่านั้น ซึ่งนำไปสู่การพัฒนา multilayer networks

Question 9

ความแตกต่างหลักระหว่าง Keras Sequential API และ Functional API คืออะไร?

Accepted Answer

Sequential API ช่วยให้สร้างโมเดลทีละ layer ในลักษณะเชิงเส้น โดยแต่ละ layer มีหนึ่ง input และหนึ่ง output Functional API ให้ความยืดหยุ่นมากกว่าด้วยการรองรับสถาปัตยกรรมที่ซับซ้อน: หลาย input หลาย output, residual connections และ shared layer graphs ใช้ Sequential สำหรับสถาปัตยกรรมที่เรียบง่ายและ Functional สำหรับกรณีที่ซับซ้อนกว่า

Question 10

การดำเนินการ convolution ใน CNN คืออะไร?

Accepted Answer

Convolution เป็นการดำเนินการทางคณิตศาสตร์ที่ใช้ฟิลเตอร์ (kernel) บนภาพโดยเลื่อนฟิลเตอร์นี้ไปทั่ว input และคำนวณ dot product ในแต่ละตำแหน่ง สิ่งนี้ช่วยให้สามารถสกัด feature ท้องถิ่น เช่น ขอบ texture หรือรูปแบบ ต่างจาก dense network ที่แต่ละนิวรอนเชื่อมต่อกับ input ทั้งหมด convolution ใช้ประโยชน์จากโครงสร้างเชิงพื้นที่ของภาพโดยการแบ่งปันน้ำหนักฟิลเตอร์ทั่วทั้งภาพ

คำถามสัมภาษณ์ Data Science & ML

พร้อมสำหรับการสัมภาษณ์ Data Science & ML แล้วหรือยังครับ?

สำรวจหัวข้อ Data Science & ML ทั้งหมด

พื้นฐาน Python

การเขียนโปรแกรมเชิงวัตถุด้วย Python

โครงสร้างข้อมูล Python

พื้นฐาน Git

พื้นฐาน SQL

พื้นฐาน NumPy

พื้นฐาน Pandas

Jupyter & Google Colab

SQL Joins และคิวรีขั้นสูง

Pandas ขั้นสูง

การแสดงผลข้อมูลด้วย Matplotlib & Seaborn

การแสดงผลแบบโต้ตอบด้วย Plotly

สถิติเชิงพรรณนา

สถิติเชิงอนุมาน

Web Scraping

BigQuery & Cloud Data

Feature Engineering

ML แบบมีผู้สอน: การถดถอย

ML แบบมีผู้สอน: การจำแนกประเภท

Decision Trees และ Ensembles

Unsupervised ML

ML Pipelines และการตรวจสอบ

Time Series และการพยากรณ์

พื้นฐาน Deep Learning

TensorFlow & Keras

CNN และการจำแนกภาพ

RNN และซีเควนซ์

Transformers และ Attention

NLP และ Hugging Face

GenAI และ LangChain

MLOps และการ Deploy

เชี่ยวชาญ Data Science & ML สำหรับการสัมภาษณ์ครั้งถัดไป