Makine Öğrenimi Mülakat Soruları: Gerçek Hayat Senaryoları

Makine öğrenimi mülakatlarına hazırlık yaparken, biraz eğlenmek istemez misiniz? İşte size hem ciddi hem de esprili bir bakış açısıyla bazı makine öğrenimi mülakat soruları ve cevapları!

1. Farklı Makine Öğrenimi Algoritmaları Nelerdir?

Makine öğrenimi algoritmaları dendiğinde aklımıza üç ana tür gelir: denetimli öğrenme, denetimsiz öğrenme ve pekiştirmeli öğrenme. Şimdi bu üçlüye yakından bakalım.

• Denetimli Öğrenme: Annenizin her gün size çorba içirip “Bu senin için iyi, bak besleyici” demesi gibi. Anneniz veriyi (çorba) etiketliyor (besleyici), siz de bunu öğrenip gelecekte aynı çorbayı gördüğünüzde “Aha, bu besleyici” diyorsunuz.


• Denetimsiz Öğrenme: Evin içinde kaybolmuş bir kedi gibisiniz. Kendi başınıza çevrenizi keşfetmeye çalışıyorsunuz. Etiket yok, sadece rastgele dolaşıyorsunuz ve belki bir gün mutfağı bulursunuz!


• Pekiştirmeli Öğrenme: Bir köpeğe oturmayı öğretmek gibi. Doğru yaptığında ödül alıyor (şeker), yanlış yaptığında azar işitiyor. “Otur” komutunu öğrenene kadar bu döngü devam ediyor.

2. PCA Nedir ve Ne Zaman Kullanılır?

Principal Component Analysis (PCA), veri setinizin boyutunu küçültmek için kullanılan bir teknik. Diyelim ki bir partiye gittiniz ve 100 farklı atıştırmalık var. Hepsini tatmak istiyorsunuz ama mideniz sınırlı. PCA, bu 100 atıştırmalığı birkaç ana bileşene indirgemek gibi. Hem midemizi hem de veri setimizi daha yönetilebilir hale getirir.

PCA kullanım alanları:

• Boyut Azaltma


• Görselleştirme


• Özellik Çıkarma


• Model Seçimi

3. Çapraz Doğrulama (Cross-Validation) Nedir?

Çapraz doğrulama, bir modelin doğruluğunu belirlemek için kullanılan bir süreçtir. Bunu, bir pastayı dilimleyip tadına bakmak gibi düşünebilirsiniz. Pasta mükemmel mi, yoksa şeker oranı fazla mı? Modeli eğitirsiniz, sonra test seti üzerinde doğruluğunu kontrol edersiniz. Bu, pastanın gerçekten lezzetli olup olmadığını anlamak gibidir.

4. Sınıflandırma ve Regresyon Arasındaki Fark Nedir?

Sınıflandırma, bir şeyi kategorilere ayırmak demektir. E-postalarınızı "spam" ve "spam değil" olarak ayıran sistem gibi. Regresyon ise sürekli değerleri tahmin eder, mesela bir evin fiyatını tahmin etmek gibi. Bu, pizza hamurunun kaç gram olduğunu tahmin etmekle, pizzanın türünü belirlemek arasındaki fark gibidir.

5. F1 Skoru Nedir ve Nasıl Kullanılır?

F1 skoru, bir modelin doğruluğunu ölçmek için kullanılan bir metriktir. Doğruluk (precision) ve duyarlılığı (recall) birleştirir. F1 skoru 0 ile 1 arasında değer alır ve yüksek değerler daha iyi doğruluğu gösterir. Bir restoranda müşteri memnuniyetini ölçmek gibi düşünebilirsiniz. Hem yemeklerin lezzeti (doğruluk) hem de servis hızı (duyarlılık) önemlidir. İkisi birlikte mükemmel müşteri deneyimini oluşturur.