# GenAI та LangChain (Data Science & ML)

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

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

## 1. Що таке LLM (Large Language Model)?

**Відповідь**

LLM — це модель глибокого навчання, навчена на величезних обсягах тексту для розуміння та генерації природної мови. Ці моделі використовують архітектуру Transformer з мільярдами параметрів, що дозволяє їм вловлювати нюанси мови, виконувати складні інструкції та генерувати зв'язний текст. GPT-4, Claude та Gemini — приклади LLM, що використовуються у виробництві.

## 2. Яка основна різниця між zero-shot та few-shot промптингом?

**Відповідь**

Zero-shot промптинг просить модель виконати завдання без надання попередніх прикладів, покладаючись лише на інструкції. Few-shot промптинг включає кілька прикладів пар вхід/вихід у промпт для керування моделлю. Few-shot, як правило, покращує продуктивність на специфічних завданнях, оскільки модель може вивести очікуваний формат і стиль із наданих прикладів.

## 3. Що таке chain-of-thought (CoT) промптинг?

**Відповідь**

Chain-of-thought промптинг — це техніка, яка заохочує LLM розкладати своє міркування крок за кроком перед наданням остаточної відповіді. Додаючи фрази на кшталт 'Подумаймо крок за кроком' або показуючи приклади міркувань, продуктивність на завданнях логічного, математичного або багатоетапного міркування значно покращується. Цей підхід також робить процес прийняття рішень більш прозорим і перевіреним.

## Ще 21 доступних питань

- Що таке LangChain і яка його основна мета?
- Що таке chain у LangChain?

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
- [Feature Engineering](https://sharpskill.dev/uk/technologies/data-science/pytannia-spivbesidy/feature-engineering.md): 22 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
- [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/genai-langchain