# Feature Engineering (Data Science & ML)

> Категоріальне кодування, scaling, нормалізація, feature selection, створення feature, pipelines

- 22 питань зі співбесід
- Mid-Level
- [Питання зі співбесід: Data Science & ML](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy.md)

## 1. Який тип encoding використовувати для номінальної категоріальної змінної з невеликою кількістю різних категорій (менше 10)?

**Відповідь**

One-Hot Encoding ідеально підходить для номінальних змінних з невеликою кількістю категорій, оскільки створює бінарний стовпець для кожної категорії без введення штучного порядку. На відміну від Label Encoding, який присвоює числа (0, 1, 2...), One-Hot запобігає інтерпретації моделлю неіснуючого порядкового відношення між категоріями.

## 2. У чому головна різниця між StandardScaler та MinMaxScaler?

**Відповідь**

StandardScaler центрує дані навколо 0 зі стандартним відхиленням 1 (z-score), а MinMaxScaler нормалізує дані в фіксованому діапазоні, зазвичай [0, 1]. StandardScaler менш чутливий до викидів, оскільки використовує середнє та стандартне відхилення, тоді як MinMaxScaler може сильно залежати від екстремальних значень.

## 3. Який scaler слід обрати, коли дані містять значні викиди?

**Відповідь**

RobustScaler використовує медіану та інтерквартильний розмах (IQR) замість середнього та стандартного відхилення, що робить його стійким до викидів. Екстремальні значення не суттєво впливають на ці статистики, на відміну від StandardScaler чи MinMaxScaler, які можуть бути сильно зміщені викидами.

## Ще 19 доступних питань

- Що таке Label Encoding і коли його доречно використовувати?
- Яку проблему може спричинити Target Encoding і як її уникнути?

Зареєструйся безкоштовно: https://sharpskill.dev/uk/login

## Інші теми співбесід Data Science & ML

- [Основи Python](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/python-basics.md): 25 запитань, Junior
- [Об'єктно-орієнтоване програмування Python](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/python-oop.md): 20 запитань, Junior
- [Структури даних Python](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/python-data-structures.md): 20 запитань, Junior
- [Основи Git](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/git-fundamentals.md): 18 запитань, Junior
- [Основи SQL](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/sql-basics.md): 20 запитань, Junior
- [Основи NumPy](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/numpy-fundamentals.md): 22 запитань, Junior
- [Основи Pandas](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/pandas-basics.md): 22 запитань, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/jupyter-colab.md): 16 запитань, Junior
- [SQL Joins та розширені запити](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/sql-joins-advanced.md): 22 запитань, Mid-Level
- [Просунутий Pandas](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/pandas-advanced.md): 24 запитань, Mid-Level
- [Візуалізація з Matplotlib & Seaborn](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/matplotlib-seaborn.md): 20 запитань, Mid-Level
- [Інтерактивні візуалізації з Plotly](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/plotly-interactive.md): 18 запитань, Mid-Level
- [Описова статистика](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/statistics-descriptive.md): 20 запитань, Mid-Level
- [Інференційна статистика](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/statistics-inferential.md): 24 запитань, Mid-Level
- [Web Scraping](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/web-scraping.md): 18 запитань, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/bigquery-cloud.md): 18 запитань, Mid-Level
- [Кероване ML: Регресія](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/ml-supervised-regression.md): 24 запитань, Mid-Level
- [Кероване ML: Класифікація](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/ml-supervised-classification.md): 24 запитань, Mid-Level
- [Дерева рішень та ансамблі](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/ml-trees-ensembles.md): 24 запитань, Mid-Level
- [Некероване ML](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/ml-unsupervised.md): 22 запитань, Mid-Level
- [ML Pipelines та валідація](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/ml-pipelines-validation.md): 22 запитань, Mid-Level
- [Часові ряди та прогнозування](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/time-series-forecasting.md): 22 запитань, Mid-Level
- [Основи Deep Learning](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/deep-learning-fundamentals.md): 24 запитань, Senior
- [TensorFlow & Keras](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/tensorflow-keras.md): 22 запитань, Senior
- [CNN та класифікація зображень](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/cnn-image-classification.md): 24 запитань, Senior
- [RNN та послідовності](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/rnn-sequences.md): 22 запитань, Senior
- [Transformers та Attention](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/transformers-attention.md): 24 запитань, Senior
- [NLP та Hugging Face](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/nlp-huggingface.md): 24 запитань, Senior
- [GenAI та LangChain](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/genai-langchain.md): 24 запитань, Senior
- [MLOps та розгортання](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/mlops-deployment.md): 24 запитань, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/feature-engineering