# RNN และซีเควนซ์ (Data Science & ML)

> RNN, LSTM, GRU, vanishing gradient, อนุกรมเวลา, การพยากรณ์, sequence-to-sequence

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

## 1. ลักษณะหลักที่แยก RNN ออกจาก neural network แบบ feedforward ทั่วไปคืออะไร?

**คำตอบ**

RNN มี recurrent connections ที่รักษา hidden state ที่พัฒนาตามเวลา hidden state นี้ทำหน้าที่เป็นหน่วยความจำที่จับข้อมูลจาก input ก่อนหน้าใน sequence แตกต่างจาก feedforward networks ที่แต่ละ input ถูกประมวลผลแยกกัน RNN สามารถสร้างแบบจำลองความสัมพันธ์ทางเวลาระหว่างองค์ประกอบของ sequence

## 2. hidden state h_t ถูกคำนวณอย่างไรใน RNN แบบง่าย (vanilla RNN) ในแต่ละ time step?

**คำตอบ**

ใน vanilla RNN, hidden state h_t ถูกคำนวณโดยใช้ activation function (โดยทั่วไปคือ tanh) กับ linear combination ของ input ปัจจุบัน x_t ถ่วงน้ำหนักด้วย W_xh และ hidden state ก่อนหน้า h_{t-1} ถ่วงน้ำหนักด้วย W_hh บวกกับ bias สูตรนี้ช่วยให้เครือข่ายรวมข้อมูลใหม่กับ memory จาก time steps ก่อนหน้า

## 3. ปัญหาหลักของ vanishing gradient ใน RNN คืออะไร และเกิดขึ้นเมื่อใด?

**คำตอบ**

vanishing gradient เกิดขึ้นระหว่าง backpropagation through time (BPTT) เมื่อ gradients ถูกคูณหลายครั้งด้วยค่าที่น้อยกว่า 1 ใน sequences ยาว gradients เหล่านี้จะเล็กลงแบบ exponential ขัดขวางไม่ให้เครือข่ายเรียนรู้ long-term dependencies น้ำหนักของ temporal layers แรกๆ แทบจะไม่ได้รับการอัปเดต

## มีอีก 19 คำถาม

- สาม gates ที่ประกอบเป็น LSTM cell คืออะไรและบทบาทของแต่ละตัวคืออะไร?
- LSTM แก้ปัญหา vanishing gradient อย่างไรเมื่อเทียบกับ vanilla RNN?

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
- [CNN และการจำแนกภาพ](https://sharpskill.dev/th/technologies/data-science/interview-questions/cnn-image-classification.md): 24 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/rnn-sequences