"@/components/CTA" માંથી CTA આયાત કરો

ડેટા સાયન્સ ઇન્ટરવ્યુ પ્રશ્નો: ડીએસ ભૂમિકાઓ માટે સંપૂર્ણ માર્ગદર્શિકા (2025)

છેલ્લે અપડેટ કર્યું: ફેબ્રુઆરી 7, 2025

કી ટેકઅવેઝ - ડેટા સાયન્સ ઇન્ટરવ્યુમાં આંકડાશાસ્ત્ર, મશીન લર્નિંગ, એસક્યુએલ અને વ્યવસાયિક કુશળતાને આવરી લેવામાં આવે છે - ખ્યાલોને સરળ રીતે સમજાવવાની અને વાસ્તવિક દુનિયાની સમસ્યાઓ હલ કરવાની પ્રેક્ટિસ કરો - માસ્ટર એ / બી પરીક્ષણ, પ્રાયોગિક ડિઝાઇન અને કારણભૂત અનુમાન - તકનીકી કુશળતા અને વ્યવસાયિક અસર બંનેનું પ્રદર્શન કરો - કેસ સ્ટડીઝ અને પ્રોડક્ટ સેન્સ પ્રશ્નો માટે તૈયારી કરો

🎯 પ્રો ટીપ: ડેટા સાયન્સ ઇન્ટરવ્યુ ડેટામાંથી આંતરદૃષ્ટિ કાઢવાની અને વ્યવસાયિક નિર્ણયો લેવાની તમારી ક્ષમતાનું મૂલ્યાંકન કરે છે. જટિલ ખ્યાલોને સરળ રીતે સમજાવવા, વ્યવસાયિક કુશળતા બતાવવા અને અંતથી અંત સુધી સમસ્યા હલ કરવાની કુશળતા દર્શાવવા પર ધ્યાન કેન્દ્રિત કરો.

ડેટા સાયન્સ ઇન્ટરવ્યૂ સ્ટ્રક્ચર

ડેટા સાયન્સ ઇન્ટરવ્યુમાં સામાન્ય રીતે વિવિધ ક્ષમતાઓનું મૂલ્યાંકન કરતા બહુવિધ રાઉન્ડનો સમાવેશ થાય છે:

ઇન્ટરવ્યુ રાઉન્ડ: - ફોન સ્ક્રીન: મૂળભૂત એસક્યુએલ, આંકડા અને વર્તણૂકીય પ્રશ્નો - તકનીકી ઇન્ટરવ્યૂ: કોડિંગ, આંકડાશાસ્ત્ર, એમએલ એલ્ગોરિધમ્સ - કેસ સ્ટડી: વ્યવસાયિક સમસ્યાનું નિરાકરણ અને પ્રસ્તુતિ - ટીમ / નેતૃત્વ: સાંસ્કૃતિક ફિટ અને સહયોગ મૂલ્યાંકન

મૂલ્યાંકન ક્ષેત્રો: - તકનીકી કુશળતા: એસક્યુએલ, પાયથોન / આર, આંકડાશાસ્ત્ર, મશીન લર્નિંગ - સમસ્યાનું નિરાકરણ: વિશ્લેષણાત્મક વિચારસરણી અને પદ્ધતિ - વ્યવસાયિક કુશળતા: વ્યવસાયિક અસર અને પ્રાથમિકતાઓને સમજવી - સંચાર: બિન-તકનીકી હિસ્સેદારોને તકનીકી ખ્યાલો સમજાવવા

આંકડાશાસ્ત્ર અને સંભવિતતા પ્રશ્નો

મૂળભૂત આંકડા

1. પ્રકાર I અને પ્રકાર II ભૂલો વચ્ચેનો તફાવત સમજાવો.

ઉત્તર: - પ્રકાર I ભૂલ (ખોટી હકારાત્મક): જ્યારે તે સાચું હોય ત્યારે શૂન્ય પૂર્વધારણાને નકારી કાઢવી (α ભૂલ) - પ્રકાર II ભૂલ (ખોટી નકારાત્મક): જ્યારે તે ખોટી હોય ત્યારે શૂન્ય પૂર્વધારણાને નકારી કાઢવામાં નિષ્ફળતા (β ભૂલ)

ઉદાહરણ: સ્પામ શોધમાં: - પ્રકાર I: સ્પામ તરીકે કાયદેસર ઇમેઇલને ચિહ્નિત કરે છે - પ્રકાર II: ગુમ થયેલ સ્પામ ઇમેઇલ (તેને પસાર થવા દો)

પાવર = 1 - β (ખોટી શૂન્ય પૂર્વધારણાને યોગ્ય રીતે નકારી કાઢવાની સંભાવના)

2. પી-વેલ્યુ શું છે અને તમે તેનું અર્થઘટન કેવી રીતે કરો છો?

ઉત્તર: પી-મૂલ્ય એ અવલોકન કરેલા ડેટા જેટલા આત્યંતિક (અથવા વધુ આત્યંતિક) ડેટાનું અવલોકન કરવાની સંભાવના છે, એમ ધારીને કે શૂન્ય પૂર્વધારણા સાચી છે.

અર્થઘટન: - p 10 મલ્ટિકોલિનેરિટી સૂચવે છે - સામાન્યતા માટે ક્યૂ-ક્યૂ પ્લોટ

મશીન લર્નિંગ પ્રશ્નો

એમએલ ફંડામેન્ટલ્સ

1. પૂર્વગ્રહ-ભિન્નતા ટ્રેડઓફ સમજાવો.

ઉત્તર: - પૂર્વગ્રહ: ધારણાઓને સરળ બનાવવાથી ભૂલ (અન્ડરફિટિંગ) - ભિન્નતા: તાલીમ ડેટામાં સંવેદનશીલતાથી ભૂલ (ઓવરફિટિંગ) - ટ્રેડઑફ: નીચા પૂર્વગ્રહવાળા મોડેલોમાં ઉચ્ચ ભિન્નતા હોય છે, અને તેનાથી વિપરીત

ઉદાહરણો: - ઉચ્ચ પૂર્વગ્રહ: બિન-રેખીય ડેટા પર રેખીય રીગ્રેશન - ઉચ્ચ ભિન્નતા: ઓવરફિટિંગ નિર્ણય વૃક્ષ

ઉકેલો: - બંનેનું મૂલ્યાંકન કરવા માટે ક્રોસ-વેલિડેશન - વિવિધતા ઘટાડવા માટે નિયમિતકરણ (એલ 1 / એલ 2) - બંનેને ઘટાડવા માટેની પદ્ધતિઓ

2. ક્રોસ-વેલિડેશન શું છે અને તે શા માટે મહત્વપૂર્ણ છે?

ઉત્તર: ક્રોસ-વેલિડેશન મોડેલ પ્રદર્શનનું મૂલ્યાંકન કરવા અને ઓવરફિટિંગને રોકવા માટે ઘણી વખત ડેટાને તાલીમ અને માન્યતા સેટમાં વિભાજિત કરે છે.

પ્રકારો : - કે-ફોલ્ડ સીવી: ડેટાને કે ફોલ્ડ્સમાં વિભાજિત કરો, કે -1 પર તાલીમ આપો, બાકીના પર માન્ય કરો - લીવ-વન-આઉટ: k=n (દરેક નમૂના એક વખત માન્યતા સેટ કરવામાં આવે છે) - સ્તરીય કે-ફોલ્ડ: દરેક ફોલ્ડમાં વર્ગ વિતરણ જાળવે છે

મહત્વ: - સિંગલ ટ્રેન/પરીક્ષણ વિભાજન કરતાં વધુ વિશ્વસનીય કામગીરીનો અંદાજ - ઓવરફિટિંગને શોધવામાં મદદ કરે છે - મર્યાદિત ડેટાનો મહત્તમ ઉપયોગ કરે છે

વિશિષ્ટ એલ્ગોરિધમ્સ

3. નિર્ણય વૃક્ષ કેવી રીતે કાર્ય કરે છે તે સમજાવો.

ઉત્તર: નિર્ણય વૃક્ષો સજાતીય જૂથો બનાવવા માટે લક્ષણ મૂલ્યોના આધારે પુનરાવર્તિત ડેટાને વિભાજિત કરે છે.

મુખ્ય ખ્યાલો: - રુટ નોડ: બધા ડેટા સાથે પ્રારંભિક બિંદુ - આંતરિક નોડ્સ: લક્ષણ થ્રેશોલ્ડ પર આધારિત નિર્ણય બિંદુઓ - લીફ નોડ્સ: અંતિમ આગાહીઓ (વર્ગીકરણ) અથવા મૂલ્યો (રીગ્રેશન) - વિભાજન માપદંડ: ગિની અશુદ્ધિ (વર્ગીકરણ), ભિન્નતા ઘટાડો (રીગ્રેશન)

ફાયદા: અર્થઘટનક્ષમ, મિશ્રિત ડેટા પ્રકારોનું સંચાલન કરે છે, કોઈ સુવિધા સ્કેલિંગની જરૂર નથી ગેરફાયદા: નાના ડેટા ફેરફારો સાથે ઓવરફિટિંગ, અસ્થિર થવાની સંભાવના

4. બેગિંગ અને બૂસ્ટિંગ વચ્ચે શું તફાવત છે?

ઉત્તર: - બેગિંગ (બુટસ્ટ્રેપ એગ્રીગેટિંગ): રેન્ડમ ડેટા સબસેટ્સ પર બહુવિધ મોડેલો બનાવે છે, સરેરાશ આગાહીઓ કરે છે. ભિન્નતા ઘટાડે છે, ઓવરફિટિંગ સામે લડે છે. ઉદાહરણ: રેન્ડમ ફોરેસ્ટ.

- બૂસ્ટિંગ: ક્રમશઃ મોડેલોને ટ્રેન કરે છે, દરેક અગાઉની ભૂલો પર ધ્યાન કેન્દ્રિત કરે છે. પૂર્વગ્રહ ઘટાડે છે, ચોકસાઈ સુધારે છે. ઉદાહરણ: AdaBoost, XGBoost.

મુખ્ય તફાવતો: - બેગિંગ: સમાંતર, ભિન્નતા ઘટાડે છે - પ્રોત્સાહન આપવું: ક્રમીય, પૂર્વગ્રહ ઘટાડે છે - બેગિંગ: સ્વતંત્ર મોડેલો - બૂસ્ટિંગ: ભૂલોથી શીખતા આશ્રિત મોડેલો

એસક્યુએલ પ્રશ્નો

મૂળભૂત SQL

1. કર્મચારી ટેબલ પરનો બીજો સૌથી વધુ પગાર શોધો.

ઉકેલો: '''એસક્યુએલ - પદ્ધતિ 1: સબક્વેરી બીજાઉચ્ચતપલરી તરીકે મહત્તમ (પગાર) પસંદ કરો કર્મચારી તરફથી પગાર ક્યાં