无论您是开始准备面试，还是结束准备并进行最后的润色，这里有 50 多个准备数据科学面试的必看问题。为了方便起见，我们将它们分为五类。 （注：主菜单“面试问答”中还有更多问题及答案）
基本数据科学问题
您如何评估机器学习算法？
为什么需要训练集、测试集和验证集？
什么是机器学习中的偏差方差权衡？
监督学习和无监督学习有什么区别？
与传统机器学习算法相比，深度学习算法什么时候更合适？
流行的聚类算法有哪些？如何确定聚类算法中的聚类数量？
为什么需要降维？有哪些方法可以做到这一点？
什么是正则化？您知道哪些类型的正则化器？
典型的机器学习流程有哪些各个步骤？
典型的机器学习管道需要哪些数据清理和标准化？
什么是过拟合和欠拟合？举例说明。你如何克服它们？
基本数据清理/争论问题
您如何处理丢失的数据？
如何检测数据中的异常值？你如何对待他们？
当数据集不平衡时，可以进行哪些预处理？
何时以及如何进行特征缩放？
您何时需要对数据进行归一化以使均值和单位方差为零？
当你的训练数据很少时你会做什么？
您意识到数据中有重复项 - 您会做什么？
你有 10,000 个特征。您如何确定是否需要所有这些？
您有一列包含“红色”、“蓝色”等颜色……您如何处理该列？
您有一个文件，其中一个文件包含人员 ID、眼睛颜色、种族、身高、体重，另一个文件包含人员 ID、工资、家庭规模。如何在 pandas 中制作一个组合文件？
基本的深度学习问题
什么是机器学习以及深度学习在哪里发挥作用？
在深度学习中可以使用哪些不同的损失函数？你如何挑选一个？
什么是辍学？
深度学习中使用的正则化器有哪些不同形式？
您知道哪些学习算法？
通常如何初始化深度神经网络中的权重？
如何确定深度神经网络中的层数和隐藏单元数？
keras、tensorflow 和 pytorch 之间有什么区别？
LSTM 的目的是什么？为什么需要双向 LSTM ？
GRU 和双向 LSTM 有什么区别？
什么是注意力机制？有哪些使用它的例子？
基本 NLP 问题
什么是停用词？我们如何去除它们？
寻找词嵌入的方法有哪些？
解释一下skip-gram模型和word2vec嵌入？
如何判断两个句子是否相似？
解释一下如何从 Twitter 进行情绪分析？
我想在一组文档中查找主题，我将使用什么模型？
什么是困惑？
如何衡量垃圾邮件过滤模型的有效性？请注意，这是一个高度不平衡的问题。
您将使用哪些流行的 Python 库来进行 NLP？
什么是词干提取和词形还原？
表示文档的不同方式有哪些？
数据科学的基本数学问题
什么是有效的概率分布？
解释一下贝叶斯法则？
什么是最大似然估计？
什么是联合概率，什么是条件概率？
什么是特征值和特征向量？我们为什么关心他们？
什么是中心极限定理？
给你一个函数和一个数据点。如果该点是最大化/最小化/既不是最大化又不是最小化，你将如何找到？
MLE 和 MAP 估计之间有什么区别？
全局最优和局部最优有什么区别？
什么是凸函数？为什么我们关心凸性？
什么是偏见？您如何知道估算器是否有偏差？
什么是累积分布函数？
