15 คำถามคำถามและคำตอบวิทยาศาสตร์ข้อมูล

1. คำถาม: อัลกอริทึม K-Means ถูกใช้เพื่อวัตถุประสงค์ใด
ตัวเลือก:
ก. การจำแนกข้อมูล
ข. การพยากรณ์ค่าต่อเนื่อง
ค. การจัดกลุ่มข้อมูล
ง. การลดมิติข้อมูล
คำตอบ: ค. การจัดกลุ่มข้อมูล
คำอธิบาย: K-Means เป็นอัลกอริทึมการเรียนรู้แบบไม่ได้รับการดูแลที่ใช้ในการแบ่งข้อมูลให้เป็นกลุ่มตามความคล้ายคลึงกัน

2. คำถาม: ใน Linear Regression ปัจจัยใดที่บ่งบอกถึงความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตาม
ตัวเลือก:
ก. ค่าสัมประสิทธิ์การสหสัมพันธ์
ข. ค่า R-squared
ค. ฟังก์ชันต้นทุน
ง. เกณฑ์การตัดสินใจ
คำตอบ: ข. ค่า R-squared
คำอธิบาย: R-squared แสดงถึงสัดส่วนของความแปรปรวนในตัวแปรตามที่สามารถอธิบายได้โดยตัวแปรอิสระ

3. คำถาม: Decision Trees ใช้หลักการใดในการตัดสินใจ
ตัวเลือก:
ก. การคำนวณค่าเฉลี่ย
ข. การแบ่งข้อมูลตามเงื่อนไข
ค. การปรับน้ำหนักแบบสุ่ม
ง. การลดความซ้ำซ้อน
คำตอบ: ข. การแบ่งข้อมูลตามเงื่อนไข
คำอธิบาย: Decision Trees ใช้การแบ่งข้อมูลตามเงื่อนไขเพื่อสร้างต้นไม้ตัดสินใจที่นำไปสู่การจำแนกหรือพยากรณ์

4. คำถาม: Neural Networks ประกอบด้วยชั้นใดบ้าง
ตัวเลือก:
ก. ชั้นนำเข้าเท่านั้น
ข. ชั้นนำเข้า, ชั้นซ่อน, และชั้นส่งออก
ค. ชั้นส่งออกเท่านั้น
ง. ชั้นข้อมูลดิบ
คำตอบ: ข. ชั้นนำเข้า, ชั้นซ่อน, และชั้นส่งออก
คำอธิบาย: Neural Networks ประกอบด้วยชั้นนำเข้าเพื่อรับข้อมูล, ชั้นซ่อนเพื่อประมวลผล, และชั้นส่งออกเพื่อให้ผลลัพธ์

5. คำถาม: ขั้นตอนใดที่สำคัญที่สุดในการทำ Data Cleaning
ตัวเลือก:
ก. การวิเคราะห์ข้อมูล
ข. การจัดการค่าที่หายไป
ค. การสร้างโมเดล
ง. การแสดงผลข้อมูล
คำตอบ: ข. การจัดการค่าที่หายไป
คำอธิบาย: การจัดการค่าที่หายไปช่วยลดความคลาดเคลื่อนและปรับปรุงคุณภาพข้อมูลก่อนการวิเคราะห์

6. คำถาม: Hypothesis Testing ใช้เพื่ออะไร
ตัวเลือก:
ก. สร้างข้อมูลใหม่
ข. ทดสอบสมมติฐานทางสถิติ
ค. วาดกราฟข้อมูล
ง. จัดเก็บข้อมูล
คำตอบ: ข. ทดสอบสมมติฐานทางสถิติ
คำอธิบาย: Hypothesis Testing ใช้เพื่อตัดสินใจว่าสมมติฐานทางสถิติมีความน่าเชื่อถือหรือไม่โดยใช้ข้อมูลที่มี

7. คำถาม: เครื่องมือใดที่ใช้ใน Big Data เช่น Hadoop
ตัวเลือก:
ก. ซอฟต์แวร์แก้ไขข้อความ
ข. ระบบจัดการข้อมูลขนาดใหญ่
ค. โปรแกรมแก้ไขรูปภาพ
ง. ฐานข้อมูลขนาดเล็ก
คำตอบ: ข. ระบบจัดการข้อมูลขนาดใหญ่
คำอธิบาย: Hadoop เป็นระบบจัดการข้อมูลขนาดใหญ่ที่ช่วยประมวลผลข้อมูลจำนวนมากได้อย่างมีประสิทธิภาพ

8. คำถาม: ไลบรารี Python ใดที่ใช้สำหรับจัดการข้อมูลตาราง
ตัวเลือก:
ก. NumPy
ข. Pandas
ค. Matplotlib
ง. Scikit-learn
คำตอบ: ข. Pandas
คำอธิบาย: Pandas ช่วยในการจัดการและวิเคราะห์ข้อมูลตารางผ่าน DataFrame และ Series

9. คำถาม: SQL ถูกใช้เพื่อวัตถุประสงค์ใด
ตัวเลือก:
ก. สร้างกราฟิก
ข. สืบค้นและจัดการฐานข้อมูล
ค. ประมวลผลภาพ
ง. สร้างเว็บไซต์
คำตอบ: ข. สืบค้นและจัดการฐานข้อมูล
คำอธิบาย: SQL เป็นภาษาที่ใช้สำหรับสืบค้น, ใส่, อัปเดต, และลบข้อมูลในฐานข้อมูล

10. คำถาม: ปัญหาใดที่เกิดจาก Overfitting ใน Machine Learning
ตัวเลือก:
ก. โมเดลทำงานได้ดีกับข้อมูลใหม่
ข. โมเดลจดจำข้อมูลฝึกมากเกินไป
ค. โมเดลไม่มีการเรียนรู้
ง. โมเดลเร็วเกินไป
คำตอบ: ข. โมเดลจดจำข้อมูลฝึกมากเกินไป
คำอธิบาย: Overfitting ทำให้โมเดลทำงานได้ดีกับข้อมูลฝึกแต่ไม่ทั่วไปกับข้อมูลใหม่

11. คำถาม: Cross-Validation ช่วยอะไรใน Machine Learning
ตัวเลือก:
ก. ลดความซ้ำซ้อน
ข. ประเมินประสิทธิภาพโมเดล
ค. สร้างข้อมูล
ง. ลบข้อมูล
คำตอบ: ข. ประเมินประสิทธิภาพโมเดล
คำอธิบาย: Cross-Validation ช่วยประเมินประสิทธิภาพของโมเดลโดยใช้เทคนิคการแบ่งข้อมูลหลายครั้ง

12. คำถาม: Feature Engineering คืออะไร
ตัวเลือก:
ก. การสร้างข้อมูลใหม่
ข. การปรับปรุงคุณสมบัติของข้อมูล
ค. การลบข้อมูล
ง. การแสดงผลข้อมูล
คำตอบ: ข. การปรับปรุงคุณสมบัติของข้อมูล
คำอธิบาย: Feature Engineering เป็นกระบวนการปรับปรุงหรือสร้างคุณสมบัติข้อมูลเพื่อเพิ่มประสิทธิภาพของโมเดล

13. คำถาม: เครื่องมือใดที่ใช้สำหรับ Data Visualization ใน Python
ตัวเลือก:
ก. Excel
ข. Matplotlib
ค. Word
ง. PowerPoint
คำตอบ: ข. Matplotlib
คำอธิบาย: Matplotlib เป็นไลบรารีใน Python ที่ใช้สำหรับสร้างกราฟและการแสดงผลข้อมูล

14. คำถาม: Supervised Learning แตกต่างจาก Unsupervised Learning อย่างไร
ตัวเลือก:
ก. ใช้ข้อมูลที่ไม่มีฉลาก
ข. ใช้ข้อมูลที่มีฉลาก
ค. ไม่มีการเรียนรู้
ง. ใช้เฉพาะข้อมูลตัวเลข
คำตอบ: ข. ใช้ข้อมูลที่มีฉลาก
คำอธิบาย: Supervised Learning ใช้ข้อมูลที่มีฉลากเพื่อฝึกโมเดล ในขณะที่ Unsupervised Learning ไม่มีฉลาก

15. คำถาม: Machine Learning Ethics ครอบคลุมเรื่องใด
ตัวเลือก:
ก. การออกแบบโมเดล
ข. ความยุติธรรมและความเป็นส่วนตัว
ค. การเขียนโค้ด
ง. การซื้ออุปกรณ์
คำตอบ: ข. ความยุติธรรมและความเป็นส่วนตัว
คำอธิบาย: Machine Learning Ethics เกี่ยวข้องกับการรับรองความยุติธรรม, ความเป็นส่วนตัว, และผลกระทบทางสังคมของเทคโนโลยี AI