Data Science & ML

GenAI และ LangChain

LLMs (GPT, Gemini, Claude), prompting, LangChain, chains, agents, RAG, vector stores, embeddings

24 คำถามสัมภาษณ์·
Senior
1

LLM (Large Language Model) คืออะไร?

คำตอบ

LLM คือโมเดล deep learning ที่ถูกฝึกฝนด้วยข้อความจำนวนมหาศาลเพื่อเข้าใจและสร้างภาษาธรรมชาติ โมเดลเหล่านี้ใช้สถาปัตยกรรม Transformer ที่มีพารามิเตอร์หลายพันล้านตัว ทำให้สามารถจับความละเอียดอ่อนของภาษา ปฏิบัติตามคำสั่งที่ซับซ้อน และสร้างข้อความที่สอดคล้องกันได้ GPT-4, Claude และ Gemini เป็นตัวอย่างของ LLM ที่ใช้ในการผลิต

2

ความแตกต่างหลักระหว่าง zero-shot และ few-shot prompting คืออะไร?

คำตอบ

Zero-shot prompting ขอให้โมเดลทำงานโดยไม่ให้ตัวอย่างก่อน โดยอาศัยเพียงคำสั่ง Few-shot prompting รวมตัวอย่างคู่ input/output ไว้ใน prompt เพื่อนำทางโมเดล โดยทั่วไป Few-shot จะปรับปรุงประสิทธิภาพในงานเฉพาะเนื่องจากโมเดลสามารถอนุมานรูปแบบและสไตล์ที่คาดหวังจากตัวอย่างที่ให้มา

3

Chain-of-thought (CoT) prompting คืออะไร?

คำตอบ

Chain-of-thought prompting เป็นเทคนิคที่กระตุ้นให้ LLM แยกย่อยการให้เหตุผลเป็นขั้นตอนก่อนที่จะให้คำตอบสุดท้าย โดยการเพิ่มวลีเช่น 'มาคิดทีละขั้นตอน' หรือแสดงตัวอย่างการให้เหตุผล ประสิทธิภาพในงานการให้เหตุผลเชิงตรรกะ คณิตศาสตร์ หรือหลายขั้นตอนจะได้รับการปรับปรุงอย่างมีนัยสำคัญ วิธีนี้ยังทำให้กระบวนการตัดสินใจมีความโปร่งใสและสามารถตรวจสอบได้มากขึ้น

4

LangChain คืออะไรและวัตถุประสงค์หลักคืออะไร?

5

Chain ใน LangChain คืออะไร?

+21 คำถามสัมภาษณ์

หัวข้อสัมภาษณ์ Data Science & ML อื่นๆ

พื้นฐาน Python

Junior
25 คำถาม

การเขียนโปรแกรมเชิงวัตถุด้วย Python

Junior
20 คำถาม

โครงสร้างข้อมูล Python

Junior
20 คำถาม

พื้นฐาน Git

Junior
18 คำถาม

พื้นฐาน SQL

Junior
20 คำถาม

พื้นฐาน NumPy

Junior
22 คำถาม

พื้นฐาน Pandas

Junior
22 คำถาม

Jupyter & Google Colab

Junior
16 คำถาม

SQL Joins และคิวรีขั้นสูง

Mid-Level
22 คำถาม

Pandas ขั้นสูง

Mid-Level
24 คำถาม

การแสดงผลข้อมูลด้วย Matplotlib & Seaborn

Mid-Level
20 คำถาม

การแสดงผลแบบโต้ตอบด้วย Plotly

Mid-Level
18 คำถาม

สถิติเชิงพรรณนา

Mid-Level
20 คำถาม

สถิติเชิงอนุมาน

Mid-Level
24 คำถาม

Web Scraping

Mid-Level
18 คำถาม

BigQuery & Cloud Data

Mid-Level
18 คำถาม

Feature Engineering

Mid-Level
22 คำถาม

ML แบบมีผู้สอน: การถดถอย

Mid-Level
24 คำถาม

ML แบบมีผู้สอน: การจำแนกประเภท

Mid-Level
24 คำถาม

Decision Trees และ Ensembles

Mid-Level
24 คำถาม

Unsupervised ML

Mid-Level
22 คำถาม

ML Pipelines และการตรวจสอบ

Mid-Level
22 คำถาม

Time Series และการพยากรณ์

Mid-Level
22 คำถาม

พื้นฐาน Deep Learning

Senior
24 คำถาม

TensorFlow & Keras

Senior
22 คำถาม

CNN และการจำแนกภาพ

Senior
24 คำถาม

RNN และซีเควนซ์

Senior
22 คำถาม

Transformers และ Attention

Senior
24 คำถาม

NLP และ Hugging Face

Senior
24 คำถาม

MLOps และการ Deploy

Senior
24 คำถาม

เชี่ยวชาญ Data Science & ML สำหรับการสัมภาษณ์ครั้งถัดไป

เข้าถึงคำถามทั้งหมด flashcards แบบทดสอบเทคนิค แบบฝึกหัด code review และตัวจำลองสัมภาษณ์

เริ่มใช้ฟรี