# Некероване ML (Data Science & ML)

> K-Means, ієрархічна кластеризація, DBSCAN, PCA, t-SNE, UMAP, silhouette score, elbow method

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

## 1. У чому головна різниця між керованим і некерованим навчанням?

**Відповідь**

Некероване навчання працює з немаркованими даними, прагнучи виявити приховані структури або патерни без попередньо визначеної цільової змінної. На відміну від керованого навчання, яке прогнозує відоме значення (мітку), некероване навчання досліджує дані, щоб знайти природні групи, зменшити розмірність або виявити аномалії. Такі алгоритми, як K-Means, PCA або DBSCAN, є типовими прикладами некерованого навчання.

## 2. Як працює алгоритм K-Means для розбиття даних?

**Відповідь**

K-Means — це ітеративний алгоритм, який розбиває дані на K кластерів. Він випадково ініціалізує K центроїдів, потім чергує два кроки: призначення кожної точки найближчому центроїду (крок призначення) і перерахунок позицій центроїдів як середнього призначених точок (крок оновлення). Алгоритм сходиться, коли призначення більше не змінюються або після максимальної кількості ітерацій.

## 3. Який метод використовувати для визначення оптимальної кількості кластерів K у K-Means?

**Відповідь**

Метод ліктя (elbow method) будує графік інерції (сума квадратів відстаней між кожною точкою та її центроїдом) залежно від K. Точка, де крива утворює лікоть, вказує на оптимальне K, оскільки за нею додавання кластерів більше не покращує інерцію суттєво. Цей метод доповнюється silhouette score для валідації якості кластерів.

## Ще 19 доступних питань

- Що вимірює silhouette score у контексті кластеризації?
- Який діапазон значень silhouette score та як інтерпретувати оцінку 0.7?

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
- [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/ml-unsupervised