Question 1

Що таке змінна в Python?

Accepted Answer

Змінна в Python — це ім'я, яке посилається на місце в пам'яті, що містить значення. На відміну від інших мов, Python використовує динамічну типізацію: тип змінної визначається автоматично під час присвоєння. Не потрібно явно оголошувати тип.

Question 2

Що таке клас у Python?

Accepted Answer

Клас — це шаблон (blueprint) для створення об'єктів, які мають однакові атрибути та методи. Він визначає структуру та поведінку об'єктів, які будуть створені з нього. Класи дозволяють організовувати код модульно та з можливістю повторного використання, групуючи пов'язані дані та функціональність разом.

Question 3

Яка фундаментальна різниця між list та tuple у Python?

Accepted Answer

Списки є mutable (можна змінювати після створення), тоді як кортежі є immutable (не можна змінювати). Ця незмінність робить кортежі hashable і придатними для використання як ключі словників, на відміну від списків. Кортежі також трохи продуктивніші щодо використання пам'яті та швидкості доступу.

Question 4

Що таке Git?

Accepted Answer

Git — це розподілена система контролю версій, створена Лінусом Торвальдсом у 2005 році. На відміну від централізованих систем, таких як SVN, кожен розробник має повну копію історії проєкту локально. Це дозволяє працювати в офлайн-режимі та забезпечує велику гнучкість для спільних робочих процесів.

Question 5

Який метод дозволяє застосувати кілька різних функцій агрегації до однієї колонки з groupby?

Accepted Answer

Метод agg() (або aggregate()) дозволяє застосовувати кілька функцій агрегації до одних і тих самих колонок. Можна передати список функцій, як ['sum', 'mean', 'count'], або словник для вказівки різних функцій для кожної колонки. Ця гнучкість необхідна для створення комплексних статистичних звітів в одній операції.

Question 6

У чому головна різниця між інтерфейсом pyplot та об'єктно-орієнтованим інтерфейсом Matplotlib?

Accepted Answer

Інтерфейс pyplot (plt.plot, plt.title) — це API в стилі MATLAB, який неявно керує поточними figures та axes, зручний для швидких простих графіків. Об'єктно-орієнтований інтерфейс (fig, ax = plt.subplots()) дає явний контроль над кожним елементом (Figure, Axes) і рекомендується для складних графіків, кількох subplots або production-скриптів, оскільки робить код більш читабельним та підтримуваним.

Question 7

Яка основна різниця між Plotly Express та Plotly Graph Objects?

Accepted Answer

Plotly Express — це високорівневий API, який дозволяє створювати діаграми одним рядком коду з простими параметрами. Plotly Graph Objects — це низькорівневий API, що пропонує повний контроль над кожним елементом діаграми. Plotly Express внутрішньо використовує Graph Objects, що дозволяє переключатися між ними для подальшого налаштування діаграм.

Question 8

Що таке перцептрон у контексті нейронних мереж?

Accepted Answer

Перцептрон — це базова одиниця нейронної мережі, натхненна біологічним нейроном. Він приймає декілька входів, множить їх на ваги, підсумовує все з bias, а потім застосовує функцію активації для отримання виходу. Простий перцептрон може розв'язувати лише лінійно розділювані задачі, що призвело до розробки багатошарових мереж.

Question 9

Яка основна різниця між Keras Sequential API та Functional API?

Accepted Answer

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.

Question 10

Що таке операція convolution у CNN?

Accepted Answer

Convolution — це математична операція, що застосовує фільтр (kernel) до зображення, переміщуючи цей фільтр по входу та обчислюючи скалярний добуток у кожній позиції. Це дозволяє витягувати локальні feature, такі як краї, текстури чи візерунки. На відміну від щільних мереж, де кожен нейрон з'єднаний з усіма входами, convolution використовує просторову структуру зображень, розділяючи ваги фільтра по всьому зображенню.

Питання зі співбесід з Data Science & ML

Готовий до співбесіди з Data Science & ML?

Дослідити всі теми 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

TensorFlow & Keras

CNN та класифікація зображень

RNN та послідовності

Transformers та Attention

NLP та Hugging Face

GenAI та LangChain

MLOps та розгортання

Вакансії Data Science & ML у цифрах

Де вакансії Data Science & ML

Ринок праці Data Science & ML сьогодні

Опануй Data Science & ML для наступної співбесіди