أهم الأسئلة التقريبية والطرق الإعلامية لعلوم البيانات [2022]

ما هو Guesstimate؟

Guesstimate هي طريقة منهجية للنظرية والتقييم ؛ يساعدك على العمل بكفاءة وبدرجة أعلى من الدقة. إنها دراسة البيانات لتوحيد النتيجة. كما أنه جزء أساسي من محلل الأعمال أو مهندسي علوم البيانات والبيانات أو تقنيي البيانات.

1. المعنى: يتعلق الأمر بفهم المشكلة التي تريد حلها ، وما الغرض من ذلك ، ولماذا تريد حلها.
2. التعريف: يتعلق الأمر بكائن معين ومدخلات ومخرجات لتدفق العملية. لوضعها في كلمة ، شرح.
3. التخمين : يتعلق الأمر بالفكر والاستنتاج - أنت تصنع كائنًا معينًا في مشكلتك.
4. التقدير: يتعلق بتقدير الأرقام في مشكلة معينة.
5. ابتكر فكرة : نفذ الفكرة بالبحث والتطوير.

عندما يمكن لسؤال تخميني أن يسأل عن حجم السوق ، فإنه يُطلق عليه حينئذٍ سؤال "حجم السوق".

فيما يلي الأسئلة الأساسية حول التخمين:

• كم عدد الأشخاص الذين يرتدون اللون الأزرق في نيويورك في يوم إثنين عادي؟
• كم عدد كرات التنس التي يمكنك وضعها في الطائرة؟

كيف تقترب من Guesstimate؟

عملية حل مشكلة التخمين يمكن التحكم فيها:

1. انظر إلى المعلمات المجدية التي قد تؤثر على الكمية النهائية وتقدير أعدادها.
2. خذ خطوة إلى الوراء وفكر.
3. وضح أفكارك.
4. عبر عن أفكارك.
5. نهج الرياضيات البسيط-

يتم استخدام هذا الأسلوب عادةً عندما يكون الرقم المراد تخمينه هو نسبة من بعض الأنواع. المهم هو الحصول على البسط والمقام ثم ننتهي!

1. نهج نصيب الفرد-

يتم استخدام هذا النهج عندما يمكن اعتبار الرقم المراد تخمينه عنصرًا استهلاكيًا على مستوى الشخص أو الأسرة أو السكان داخل المنطقة الجغرافية.

2. نهج العرض والطلب-

يحتاج هذا النهج إلى التفكير في الرقم التخميني من جانب العرض أو الطلب (أو كليهما) من العنصر.

بشكل عام ، يمكنك اقتراح التخمينات بإحدى الطريقتين التاليتين:

• طريقة من أعلى إلى أسفل
• طريقة من أسفل إلى أعلى

من الأعلى إلى الأسفل ، تبدأ بأكبر كون ممكن ، والذي يكون تخمينك جزءًا منه.

مع أوسع قاعدة في الأعلى. لهذا الكون ، ستستمر بعد ذلك في تطبيق مجموعة من الشروط أو المرشحات (كيفما تريد وضعها) التي تقلل الرقم من الكون إلى رقم مناسب لتخمينك.

يكمن مفتاح عملية التقدير التنازلي في:

1. إنه يحدد بدقة بداية الكون.
2. إنه يحدد بدقة أكبر عدد من الشروط / الفلاتر والشرائح ذات الصلة التي تنطبق على مشكلتك التخمينية.
3. الشرائح: في كثير من الأحيان ، سيتعين عليك أولاً تقسيم الكون إلى مجموعات وتطبيق عوامل تصفية مختلفة على كل شريحة.

نصائح حول الأسئلة التخمينية لعلوم البيانات:

1. العرض التدريبي: علينا أن نقوم بممارسة تقديم الحل المعين الذي أكملته للجمهور.
2. تحليل الممارسة: يلعب التحليل دورًا حيويًا في إجراء عمليات التفكير حول مشكلة معينة.
3. التدرب على الأرقام: من المهم دائمًا اللعب بالأرقام أو إنشاء منطق مخصص.

أثناء حل الأسئلة الإرشادية لعلوم البيانات ، تحتاج إلى فهم هذه النقاط:

• أنت تصف هذا لشخص ليس في رأسك. الحل ليس لك.
• في الوقت نفسه ، تذكر عدم تحويل كل جانب إلى تخمين جديد تمامًا بحد ذاته! من السهل أن تتأثر بذكائك وقدراتك التحليلية.
• ركز على السؤال. هل سمعت عن شلل تحليلي؟

ما هي أغراض الأسئلة التخمينية لعلوم البيانات؟

• لفهم قدرتك على فهم الموقف.
• لفهم نطاق قدرتك على ربط الأشياء ، للوصول إلى إجابة.
• لمعرفة قوتك لتحديد الأولويات واستبعاد المعلمات المختلفة.
• لفهم مدى جودة عملك مع المعلومات غير الكافية.

فيما يلي بعض الأسئلة الإرشادية لعلوم البيانات-

السؤال: 1 قم بإنشاء تجربة باستخدام خوارزمية k-mean في مجموعة بيانات UCI Iris:

في هذه التجربة ، قم بإجراء تجميع للوسائل k باستخدام جميع الميزات الموجودة في مجموعة البيانات ، ثم قارن نتائج المجموعات مع تسمية الفئة الحقيقية لجميع العينات.

استخدم الوحدة النمطية Multiclass Logistic Regression لإجراء تصنيف متعدد الفئات ومقارنة أدائها بأداء التجميع k-mean clustering.

السؤال: 2 بتنسيق بسيط للغاية ، اشرح الدقة والاستدعاء؟

السؤال: 3 إذا تم إعطاؤك مجموعة بيانات ، فكيف يمكنك تحديد خوارزمية ML للمستخدم؟

السؤال: 4 هل الأفضل أن يكون لديك الكثير من الإيجابيات الكاذبة؟ أو الكثير من السلبيات الخاطئة؟

السؤال: 5 ما هي دقة النموذج وأداء النموذج؟ ما هو السيناريو الذي يمكنك تطبيقه؟

السؤال: 6 كيف تتأكد من أنك لا تفرط في استخدام النموذج؟ اشرح بمثال.

السؤال: 7 عندما تقوم بتشغيل خوارزمية شجرة تصنيف ثنائية تكون سهلة للغاية. في الخوارزمية الثنائية ، كيف تقرر الشجرة المتغير الذي يجب تقسيمه في عقدة الجذر والعقد الفرعية التالية؟

السؤال 8: كيف يتم وصف NumPy و SciPy؟

السؤال: 9 اكتب برنامجًا أساسيًا لتعلم الآلة للتحقق من دقة مجموعة البيانات التي تستورد أي مجموعة بيانات باستخدام أي مصنف؟

السؤال: 10 قم بإنشاء خوارزمية الانحدار للتنبؤ بسعر السيارة بناءً على متغيرات مختلفة.

السؤال: 11 قم بتطوير نموذج يستخدم ميزات مختلفة للشبكة لاكتشاف أنشطة الشبكة التي تعد جزءًا من اقتحام / هجوم باستخدام التصنيفات الثنائية.

السؤال: 12 كيفية التجميع (التجميع) للعثور على منظمات مماثلة معًا بناءً على وصف ويكيبيديا الخاص بهم.

السؤال: 13 كيف تتوقع من سيقوم بتجديد الاشتراكات الشهر المقبل؟

• ما البيانات التي تحتاجها لحل هذا؟
• ما نوع التحليل الذي ستفعله؟
• ما نوع خوارزميات النماذج التنبؤية التي ستكون مطلوبة؟

السؤال: 14 كيف يمكنك ربط الأسماء المستعارة (Alen ، Bob ، Alex ، Tim ، إلخ) بالأسماء الحقيقية؟

السؤال: 15 قم بإنشاء تنبؤ حول ما إذا كانت رحلة الركاب المجدولة قد تأخرت أم لا باستخدام مصنف ثنائي مع نص R أو Python.

السؤال: 16 توقع أسعار السيارات باستخدام الانحدار الخطي مع إعداد البيانات وتنظيفها عن طريق إزالة عمود الخسائر المعيارية.

نظرًا لأنه يحتوي على العديد من القيم المفقودة ، قم بإنشاء تجربة ونموذج.

السؤال: 17 كم عدد الطرق التي يمكنك بها تقسيم 14 شخصًا إلى 4 فرق من 5؟

السؤال: 18 المنطقة الواقعة تحت المنحنى الطبيعي القياسي هي؟

• أكبر من 1
• يساوي 1
• أقل من 1

السؤال: 19 قم بإنشاء خوارزمية الانحدار للتنبؤ بسعر السيارة بناءً على متغيرات مختلفة.

السؤال: 20 طلب مديرك بناء نموذج غابة عشوائي من 10000 شجرة أثناء التدريب ، ووجدت خطأ تدريب 0.00. ولكن ، عند الاختبار ، كان خطأ التحقق من الصحة 34.23. ما هو الأساس الذي ستفترضه ما الخطأ الذي حدث؟ كيف يمكنك التحقق من النموذج الخاص بك إذا لم يتم تدريبه بشكل مثالي؟

السؤال: 21 تعتمد توصيات "الأشخاص الذين اشتروا هذا ، واشتروا أيضًا ..." التي تظهر على Amazon على أي خوارزمية؟

السؤال: 22 ما الخوارزميات المرتبطة في التوصيات التي تراها "أخبار وآراء اليوم"؟

قراءة: أسئلة مقابلة علوم البيانات

خاتمة

نأمل أن تساعدك هذه المقالة في فهم الأسئلة التخمينية لعلوم البيانات وكيفية التغلب عليها. ستجد المزيد من المقالات المفيدة مثل هذا في upGrad ؛ نحن نقدم مجموعة واسعة من الدورات ، ماجستير إدارة الأعمال ، علوم البيانات ، تعلم الآلة ، إلخ. نحن نقدم الإرشاد من أفضل الأفراد في الصناعة!

إذا كنت مهتمًا بتعلم علوم البيانات واخترت مهنة في هذا المجال ، فراجع برنامج IIIT-B & upGrad's Executive PG في علوم البيانات الذي تم إنشاؤه للمهنيين العاملين ويقدم أكثر من 10 دراسات حالة ومشاريع ، وورش عمل عملية عملية ، والإرشاد مع خبراء الصناعة ، وجهاً لوجه مع مرشدين في الصناعة ، وأكثر من 400 ساعة من التعلم والمساعدة في العمل مع الشركات الكبرى.