# CNN และการจำแนกภาพ (Data Science & ML)

> Convolutions, pooling, สถาปัตยกรรม (VGG, ResNet), transfer learning, data augmentation, fine-tuning

- 24 คำถามสัมภาษณ์
- Senior
- [คำถามสัมภาษณ์: Data Science & ML](https://sharpskill.dev/th/technologies/data-science/interview-questions.md)

## 1. การดำเนินการ convolution ใน CNN คืออะไร?

**คำตอบ**

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

## 2. บทบาทของ stride ในเลเยอร์ convolution คืออะไร?

**คำตอบ**

Stride กำหนดขนาดของขั้นเมื่อย้ายฟิลเตอร์ไปทั่วภาพ Stride เท่ากับ 1 ย้ายฟิลเตอร์ทีละหนึ่งพิกเซลในแต่ละขั้น ในขณะที่ stride เท่ากับ 2 ย้ายไป 2 พิกเซล จึงลดขนาด output การเพิ่ม stride ช่วยให้ลดมิติเชิงพื้นที่ของ feature map และต้นทุนการคำนวณได้ แต่ก็อาจทำให้ข้อมูลสูญหายหาก stride ใหญ่เกินไป

## 3. วัตถุประสงค์ของ padding ในเลเยอร์ convolution คืออะไร?

**คำตอบ**

Padding คือการเพิ่มพิกเซล (โดยปกติเป็นศูนย์) รอบภาพ input ก่อนที่จะใช้ convolution สิ่งนี้ช่วยให้ควบคุมขนาด output และรักษาข้อมูลที่ขอบภาพ ด้วย padding 'same' output จะมีขนาดเท่ากับ input ในขณะที่ 'valid' (ไม่มี padding) ขนาดจะลดลง Padding ยังป้องกันไม่ให้พิกเซลขอบถูกแสดงน้อยใน feature map

## มีอีก 21 คำถาม

- ความแตกต่างระหว่าง Max Pooling และ Average Pooling คืออะไร?
- Feature map ใน CNN คืออะไร?

สมัครฟรี: https://sharpskill.dev/th/login

## หัวข้อสัมภาษณ์ Data Science & ML อื่นๆ

- [พื้นฐาน Python](https://sharpskill.dev/th/technologies/data-science/interview-questions/python-basics.md): 25 คำถาม, Junior
- [การเขียนโปรแกรมเชิงวัตถุด้วย Python](https://sharpskill.dev/th/technologies/data-science/interview-questions/python-oop.md): 20 คำถาม, Junior
- [โครงสร้างข้อมูล Python](https://sharpskill.dev/th/technologies/data-science/interview-questions/python-data-structures.md): 20 คำถาม, Junior
- [พื้นฐาน Git](https://sharpskill.dev/th/technologies/data-science/interview-questions/git-fundamentals.md): 18 คำถาม, Junior
- [พื้นฐาน SQL](https://sharpskill.dev/th/technologies/data-science/interview-questions/sql-basics.md): 20 คำถาม, Junior
- [พื้นฐาน NumPy](https://sharpskill.dev/th/technologies/data-science/interview-questions/numpy-fundamentals.md): 22 คำถาม, Junior
- [พื้นฐาน Pandas](https://sharpskill.dev/th/technologies/data-science/interview-questions/pandas-basics.md): 22 คำถาม, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/th/technologies/data-science/interview-questions/jupyter-colab.md): 16 คำถาม, Junior
- [SQL Joins และคิวรีขั้นสูง](https://sharpskill.dev/th/technologies/data-science/interview-questions/sql-joins-advanced.md): 22 คำถาม, Mid-Level
- [Pandas ขั้นสูง](https://sharpskill.dev/th/technologies/data-science/interview-questions/pandas-advanced.md): 24 คำถาม, Mid-Level
- [การแสดงผลข้อมูลด้วย Matplotlib & Seaborn](https://sharpskill.dev/th/technologies/data-science/interview-questions/matplotlib-seaborn.md): 20 คำถาม, Mid-Level
- [การแสดงผลแบบโต้ตอบด้วย Plotly](https://sharpskill.dev/th/technologies/data-science/interview-questions/plotly-interactive.md): 18 คำถาม, Mid-Level
- [สถิติเชิงพรรณนา](https://sharpskill.dev/th/technologies/data-science/interview-questions/statistics-descriptive.md): 20 คำถาม, Mid-Level
- [สถิติเชิงอนุมาน](https://sharpskill.dev/th/technologies/data-science/interview-questions/statistics-inferential.md): 24 คำถาม, Mid-Level
- [Web Scraping](https://sharpskill.dev/th/technologies/data-science/interview-questions/web-scraping.md): 18 คำถาม, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/th/technologies/data-science/interview-questions/bigquery-cloud.md): 18 คำถาม, Mid-Level
- [Feature Engineering](https://sharpskill.dev/th/technologies/data-science/interview-questions/feature-engineering.md): 22 คำถาม, Mid-Level
- [ML แบบมีผู้สอน: การถดถอย](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-supervised-regression.md): 24 คำถาม, Mid-Level
- [ML แบบมีผู้สอน: การจำแนกประเภท](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-supervised-classification.md): 24 คำถาม, Mid-Level
- [Decision Trees และ Ensembles](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-trees-ensembles.md): 24 คำถาม, Mid-Level
- [Unsupervised ML](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-unsupervised.md): 22 คำถาม, Mid-Level
- [ML Pipelines และการตรวจสอบ](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-pipelines-validation.md): 22 คำถาม, Mid-Level
- [Time Series และการพยากรณ์](https://sharpskill.dev/th/technologies/data-science/interview-questions/time-series-forecasting.md): 22 คำถาม, Mid-Level
- [พื้นฐาน Deep Learning](https://sharpskill.dev/th/technologies/data-science/interview-questions/deep-learning-fundamentals.md): 24 คำถาม, Senior
- [TensorFlow & Keras](https://sharpskill.dev/th/technologies/data-science/interview-questions/tensorflow-keras.md): 22 คำถาม, Senior
- [RNN และซีเควนซ์](https://sharpskill.dev/th/technologies/data-science/interview-questions/rnn-sequences.md): 22 คำถาม, Senior
- [Transformers และ Attention](https://sharpskill.dev/th/technologies/data-science/interview-questions/transformers-attention.md): 24 คำถาม, Senior
- [NLP และ Hugging Face](https://sharpskill.dev/th/technologies/data-science/interview-questions/nlp-huggingface.md): 24 คำถาม, Senior
- [GenAI และ LangChain](https://sharpskill.dev/th/technologies/data-science/interview-questions/genai-langchain.md): 24 คำถาม, Senior
- [MLOps และการ Deploy](https://sharpskill.dev/th/technologies/data-science/interview-questions/mlops-deployment.md): 24 คำถาม, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/th/technologies/data-science/interview-questions/cnn-image-classification