# พื้นฐาน Deep Learning (Data Science & ML)

> Perceptron, backpropagation, ฟังก์ชันการกระตุ้น, loss functions, optimizers, batch size, epochs

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

## 1. Perceptron คืออะไรในบริบทของ neural network?

**คำตอบ**

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

## 2. ข้อจำกัดหลักของ perceptron แบบง่าย (ชั้นเดียว) คืออะไร?

**คำตอบ**

Perceptron แบบง่ายสามารถแก้ได้เฉพาะปัญหาที่แยกได้เชิงเส้นเท่านั้น หมายถึงปัญหาที่คลาสสามารถแยกได้ด้วยเส้นตรง (หรือ hyperplane ในมิติที่สูงกว่า) ข้อจำกัดนี้ ซึ่งแสดงโดย Minsky และ Papert ในปี 1969 ด้วยปัญหา XOR ทำให้การวิจัย neural network ชะลอตัวชั่วคราวจนกว่าจะมีการแนะนำ multilayer perceptron

## 3. บทบาทของฟังก์ชันการกระตุ้นใน neural network คืออะไร?

**คำตอบ**

ฟังก์ชันการกระตุ้นนำความไม่เป็นเชิงเส้นเข้ามาใน network ทำให้สามารถเรียนรู้ความสัมพันธ์ที่ซับซ้อนระหว่าง input และ output ได้ หากไม่มีฟังก์ชันการกระตุ้นที่ไม่เป็นเชิงเส้น แม้แต่ network แบบหลายชั้นก็จะทำงานเป็นแค่การแปลงเชิงเส้นแบบง่าย ๆ ฟังก์ชันทั่วไปได้แก่ ReLU, sigmoid และ tanh ซึ่งแต่ละตัวมีคุณสมบัติเฉพาะตามกรณีการใช้งาน

## มีอีก 21 คำถาม

- ฟังก์ชันการกระตุ้นใดถูกใช้มากที่สุดในชั้นซ่อนของ network สมัยใหม่?
- เมื่อใดควรใช้ฟังก์ชันการกระตุ้น softmax ใน neural network?

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
- [TensorFlow & Keras](https://sharpskill.dev/th/technologies/data-science/interview-questions/tensorflow-keras.md): 22 คำถาม, Senior
- [CNN และการจำแนกภาพ](https://sharpskill.dev/th/technologies/data-science/interview-questions/cnn-image-classification.md): 24 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/deep-learning-fundamentals