TensorFlow & Keras
Sequential API, Functional API, layers, callbacks, checkpoints, TensorBoard, збереження моделі
1Яка основна різниця між Keras Sequential API та Functional API?
Яка основна різниця між Keras Sequential API та Functional API?
Відповідь
Sequential API дозволяє створювати моделі шар за шаром у лінійний спосіб, де кожен layer має рівно один вхід і один вихід. Functional API забезпечує більшу гнучкість, дозволяючи створювати моделі зі складними архітектурами: множинні входи, множинні виходи, residual connections та спільні графи layer. Використовуйте Sequential для простих архітектур та Functional для більш складних випадків.
2Як створити Sequential модель з Dense layer на 64 нейрони, за яким йде вихідний layer на 10 нейронів?
Як створити Sequential модель з Dense layer на 64 нейрони, за яким йде вихідний layer на 10 нейронів?
Відповідь
Стандартний метод полягає в інстанціюванні tf.keras.Sequential() та використанні model.add() для додавання layer по одному, або передачі списку layer безпосередньо в конструктор. Кожен Dense layer приймає кількість units як параметр, а перший layer вимагає вказання input_shape для визначення форми вхідних даних.
3Яка роль функції активації 'softmax' у вихідному layer?
Яка роль функції активації 'softmax' у вихідному layer?
Відповідь
Функція softmax перетворює logits (необроблені виходи) у ймовірності, що в сумі дорівнюють 1, що ідеально підходить для багатокласової класифікації. Кожен вихід представляє ймовірність належності до класу. Зазвичай використовується з categorical_crossentropy loss для one-hot міток або sparse_categorical_crossentropy для цілочисельних міток.
Як визначити модель з Functional API, що має два різні входи?
Який callback використовувати для зупинки навчання, коли validation loss більше не покращується?
+19 питань зі співбесід
Інші теми співбесід Data Science & ML
Основи Python
Об'єктно-орієнтоване програмування Python
Структури даних Python
Основи Git
Основи SQL
Основи NumPy
Основи Pandas
Jupyter & Google Colab
SQL Joins та розширені запити
Просунутий Pandas
Візуалізація з Matplotlib & Seaborn
Інтерактивні візуалізації з Plotly
Описова статистика
Інференційна статистика
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Кероване ML: Регресія
Кероване ML: Класифікація
Дерева рішень та ансамблі
Некероване ML
ML Pipelines та валідація
Часові ряди та прогнозування
Основи Deep Learning
CNN та класифікація зображень
RNN та послідовності
Transformers та Attention
NLP та Hugging Face
GenAI та LangChain
MLOps та розгортання
Опануй Data Science & ML для наступної співбесіди
Отримай доступ до всіх питань, flashcards, технічних тестів, вправ code review та симуляторів співбесід.
Почни безкоштовно