2026 के लिए शीर्ष 24 प्रोग्रामिंग इंटरव्यू प्रश्न

चाहे आप सॉफ्टवेयर डेवलपमेंट या डेटा एनालिसिस में नए अवसर की तलाश कर रहे हों या आप एक हायरिंग मैनेजर हों जो अपनी कंपनी में किसी पद के लिए उम्मीदवार से प्रश्न पूछेंगे, आम प्रोग्रामिंग इंटरव्यू प्रश्न और उनके उत्तर जानना अनिवार्य है।

इन सवालों की तैयारी करना प्रायः नियोक्ता और उम्मीदवार—दोनों—के दृष्टिकोण से कठिन और समय लेने वाली प्रक्रिया होती है। 

इस लेख में, हम शुरुआती, मध्यम और उन्नत प्रैक्टिशनर्स के लिए 24 आवश्यक प्रोग्रामिंग प्रश्न और उत्तर देखेंगे। ये प्रश्न और उत्तर आपको इंटरव्यू की बेहतर तैयारी करने में मदद करेंगे और यह जानने में सहायक होंगे कि इंटरव्यूअर/इंटरव्यूई से क्या उम्मीद करनी चाहिए।

बेसिक प्रोग्रामिंग इंटरव्यू प्रश्न

चलिए सबसे आसान और सबसे सामान्य प्रोग्रामिंग इंटरव्यू प्रश्नों से शुरुआत करते हैं।

1. प्रोग्रामिंग में वेरिएबल क्या होता है?

वेरिएबल्स प्रोग्रामिंग के बुनियादी तत्व हैं। एक वेरिएबल मूल रूप से डेटा को संग्रहीत करने वाला कंटेनर है, और उसके मान को प्रोग्राम के निष्पादन के दौरान बदला जा सकता है। आधुनिक प्रोग्रामिंग भाषाएं विभिन्न प्रकार के वेरिएबल्स का समर्थन करती हैं, जो विशिष्ट डेटा प्रकारों और उपयोग मामलों के लिए बनाए गए होते हैं। 

यदि आप वेरिएबल्स के बारे में सब कुछ जानना चाहते हैं, तो हमारा Introduction to Python Course शुरू करने के लिए बेहतरीन जगह है।

2. डेटा टाइप्स को उदाहरणों सहित समझाइए

प्रोग्रामिंग में, डेटा टाइप्स वे प्रकार हैं जिनके मान वेरिएबल्स में संग्रहीत हो सकते हैं। हर डेटा टाइप के साथ कुछ गुण आते हैं, जो यह जानने के लिए आवश्यक हैं कि कौन से गणितीय, रिलेशनल, या लॉजिकल ऑपरेशंस किए जा सकते हैं।

उदाहरण के लिए, Python में कई न्यूमेरिक डेटा टाइप्स होते हैं, जैसे integers, जो पूर्णांक संग्रहीत करते हैं, और floats, जो दशमलव बिंदु वाले मान रखते हैं। इसके अलावा strings भी हैं, जो सिंगल या डबल कोट्स में बंद कैरेक्टर्स के क्रमबद्ध अनुक्रम को संग्रहीत करते हैं।

integer_var = 25
float_var = 10.2
String_var = "Welcome to DataCamp"संचालित द्वारा

सबसे सामान्य Python डेटा टाइप्स जानने के लिए हमारा अलग लेख पढ़ें।

3. कंपाइल्ड और इंटरप्रेटेड भाषाओं में अंतर समझाइए

कंपाइल्ड और इंटरप्रेटेड भाषाओं के बीच मुख्य अंतर इस बात में है कि निर्देशों, जिन्हें एल्गोरिदम भी कहते हैं, को मशीन कोड (अर्थात, बाइनरी कोड) में कैसे अनुवादित किया जाता है। कंपाइल्ड भाषाएं निष्पादन से पहले अनुवादित होती हैं, जबकि इंटरप्रेटेड भाषाएं रनटाइम पर अनुवादित होती हैं। 

इससे कंपाइल्ड भाषाएं गति की जरूरत वाली जटिल कार्यों के लिए अधिक उपयुक्त बनती हैं, जैसे स्वायत्त कारों में रियल-टाइम ट्रैफिक ट्रैकिंग। हालांकि, C और C++ जैसी कंपाइल्ड भाषाएं, Python जैसी इंटरप्रेटेड भाषाओं की तुलना में समझने और उपयोग करने में अधिक कठिन होती हैं।

4. कंडीशनल्स और लूप्स क्या होते हैं?

कंडीशनल स्टेटमेंट्स, जिन्हें सामान्यतः if-else स्टेटमेंट्स कहा जाता है, विशेष शर्तों के आधार पर कोड के कुछ ब्लॉक चलाने के लिए उपयोग किए जाते हैं। ये स्टेटमेंट्स एल्गोरिदम के फ्लो को नियंत्रित करने में मदद करते हैं, जिससे वह अलग-अलग स्थितियों में अलग व्यवहार कर सके। 

इसके विपरीत, प्रोग्रामिंग में लूप कोड का वह क्रम है जो तब तक लगातार दोहराया जाता है जब तक कोई शर्त पूरी नहीं हो जाती, जिससे घंटों का काम सेकंडों में हो जाता है। सबसे सामान्य लूप्स for लूप और while लूप हैं। इनके बारे में आप हमारे अलग लूप्स ट्यूटोरियल में और जान सकते हैं।

5. ऐरे और लिंक्ड लिस्ट में क्या अंतर है?

एरेज़ और लिंक्ड लिस्ट्स सबसे महत्वपूर्ण डेटा स्ट्रक्चर्स में से हैं। ये ऐसी संरचनाएँ हैं जो अलग-अलग रणनीतियों से जानकारी संग्रहीत करती हैं।

एक ऐरे तत्वों को निरंतर (contiguous) मेमोरी लोकेशंस में संग्रहीत करता है, यानी प्रत्येक तत्व एक-दूसरे के सटे हुए लोकेशन में होता है। साथ ही, ऐरे का आकार अपरिवर्तनीय होता है और पहले से घोषित किया जाता है। 

ऐरे। स्रोत

इसके विपरीत, लिंक्ड लिस्ट्स अगले तत्व के मेमोरी एड्रेस को स्टोर करने के लिए पॉइंटर्स का उपयोग करती हैं, जैसा कि नीचे दिखाया गया है।

लिंक्ड लिस्ट। स्रोत

कुल मिलाकर, जहाँ तत्वों तक तेज़ी से पहुँचने की आवश्यकता हो और मेमोरी चिंता का विषय हो, वहाँ ऐरे बेहतर होते हैं, जबकि बार-बार इंसर्शन और डिलीशन के मामलों में लिंक्ड लिस्ट्स अधिक उपयुक्त होती हैं।

6. रिकर्शन को एक उदाहरण सहित समझाइए

प्रोग्रामिंग में, रिकर्शन तब होता है जब कोई फ़ंक्शन स्वयं को कॉल करता है। रिकर्शन का एक बढ़िया उदाहरण किसी संख्या का फैक्टोरियल निकालने के लिए बनाया गया फ़ंक्शन है। याद रखें कि गैर-ऋणात्मक पूर्णांक n का फैक्टोरियल 1 से n तक के सभी धनात्मक पूर्णांकों के गुणनफल के बराबर होता है।

def factorial(n): 
    if n < 2: 
        return 1 
    else: 
        return n * factorial(n-1)

factorial(5)
>>> 120

संचालित द्वारा

रिकर्सिव फंक्शंस में रुचि है? शुरुआत करने के लिए हमारा Understanding Recursive Functions in Python Guide पढ़ें। 

7. पॉइंटर्स क्या होते हैं, और वे कैसे काम करते हैं?

पॉइंटर एक वेरिएबल है जो किसी अन्य वेरिएबल के मेमोरी एड्रेस को अपने मान के रूप में संग्रहीत करता है। लिंक्ड लिस्ट जैसी डेटा संरचनाओं में आमतौर पर उपयोग किए जाने वाले पॉइंटर्स लो-लेवल मेमोरी एक्सेस, डायनेमिक मेमोरी अलोकेशन और कई अन्य कार्यक्षमताएँ सक्षम करते हैं। 

8. बिग-ओ नोटेशन क्या है, और यह क्यों महत्वपूर्ण है?

बिग-ओ नोटेशन एक गणितीय अभिव्यक्ति है जिसका उपयोग एल्गोरिदम की जटिलता का वर्णन करने के लिए किया जाता है। बिग-ओ नोटेशन किसी एल्गोरिदम की सबसे खराब स्थिति में जटिलता मापता है। यह टाइम कॉम्प्लेक्सिटी, यानी एल्गोरिदम के पूरा चलने में लगने वाला समय, और स्पेस कॉम्प्लेक्सिटी, यानी एल्गोरिदम द्वारा आवश्यक अतिरिक्त मेमोरी स्पेस, दोनों पर विचार करता है। हम इस ट्यूटोरियल में बिग-ओ नोटेशन की नींव समझाते हैं।

इंटरमीडिएट प्रोग्रामिंग इंटरव्यू प्रश्न

इस खंड में, हम ऐसे सामान्य प्रश्नों पर ध्यान केंद्रित करते हैं जो कुछ अनुभव वाले मिड-लेवल रोल्स के लिए तैयारी कर रहे उम्मीदवारों के लिए होते हैं।

ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग इंटरव्यू प्रश्न

9. OOP के चार स्तंभ क्या हैं?

ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग एक पैरेडाइम है जो ऑब्जेक्ट्स पर केंद्रित होता है। OOP निम्नलिखित चार स्तंभों पर आधारित है:

• एब्स्ट्रैक्शन। OOP में एब्स्ट्रैक्शन उपयोगकर्ता से अनावश्यक विवरण छिपाकर जटिलता को संभालने की अनुमति देता है। इससे उपयोगकर्ता प्रदान किए गए एब्स्ट्रैक्शन के ऊपर अधिक जटिल लॉजिक लागू कर सकता है, बिना सभी छिपी जटिलताओं को समझे या उनके बारे में सोचे।
• एन्कैप्सुलेशन। अपने डेटा और व्यवहार को किसी क्लास द्वारा परिभाषित ऑब्जेक्ट में समेटने की प्रक्रिया को एन्कैप्सुलेशन कहते हैं।
• इनहेरिटेंस। यह गुण पैरेंट क्लासेस की कार्यक्षमता को बनाए रखते हुए नई क्लासेस के निर्माण की अनुमति देता है।
• पॉलीमॉर्फिज़्म। पॉलीमॉर्फिज़्म एक अवधारणा है जो आपको अलग-अलग इनपुट के आधार पर भिन्न व्यवहार वाली अलग-अलग मेथड्स के लिए एक ही नाम उपयोग करने की अनुमति देती है। 

ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग सीखने के लिए कई संसाधन उपलब्ध हैं, जिनमें DataCamp का OOP in Python course, OOP in R course, और OOP in Java tutorial शामिल हैं।

10. क्लास और ऑब्जेक्ट में क्या अंतर है

ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग में, डेटा और मेथड्स को ऑब्जेक्ट्स में व्यवस्थित किया जाता है, जिन्हें उनकी क्लास द्वारा परिभाषित किया जाता है। क्लासेस इस बात के लिए डिज़ाइन की जाती हैं कि प्रत्येक ऑब्जेक्ट कैसे व्यवहार करेगा, और फिर उसी क्लास के भीतर ऑब्जेक्ट्स बनाए जाते हैं। 

Python में क्लासेस और ऑब्जेक्ट्स कैसे काम करते हैं, इस पर अधिक विवरण के लिए हमारा ट्यूटोरियल देखें।

11. पॉलीमॉर्फिज़्म क्या है, और इसे Java/Python में कैसे लागू किया जाता है?

OOP में, पॉलीमॉर्फिज़्म आपको अलग-अलग इनपुट के आधार पर अलग व्यवहार करने वाली विभिन्न मेथड्स के लिए एक ही नाम का उपयोग करने की अनुमति देता है। यह आमतौर पर इनहेरिटेंस के साथ मिलकर उपयोग किया जाता है।

उदाहरण के लिए, मान लीजिए हमारे पास Shape नामक एक पैरेंट क्लास है जिसमें आकृति का क्षेत्रफल निकालने की मेथड है। आपके पास दो चाइल्ड क्लासेस, Circle और Square, हो सकती हैं। जबकि दोनों में Area नाम की मेथड होगी, उस मेथड की परिभाषा प्रत्येक आकृति के लिए अलग होगी। नीचे दिए गए कोड ब्लॉक में अलग-अलग आकृतियों के लिए area मेथड्स की तुलना करें।

# Define the parent class Shape
class Shape:
	# Initialize the attributes for the shape
	def __init__(self, name):
    	    self.name = name
	
	# Define a generic method for calculating the area
	def area(self):
    	    print(f"The area of {self.name} is unknown.")
 
# Define the child class Circle that inherits from Shape
class Circle(Shape):
	# Initialize the attributes for the circle
	def __init__(self, name, radius):
    	# Call the parent class constructor
    	    super().__init__(name)
    	    self.radius = radius
	
	# Override the area method for the circle
	def area(self):
    	# Use the formula pi * r^2
    	    area = 3.14 * self.radius ** 2
    	    print(f"The area of {self.name} is {area}.")
 
# Define the child class Square that inherits from Shape
class Square(Shape):
	# Initialize the attributes for the square
	def __init__(self, name, side):
    	# Call the parent class constructor
    	    super().__init__(name)
    	    self.side = side
	
	# Override the area method for the square
	def area(self):
    	# Use the formula s^2
    	    area = self.side ** 2
    	    print(f"The area of {self.name} is {area}.")संचालित द्वारा

12. इनहेरिटेंस और कॉम्पोजिशन में अंतर समझाइए

इनहेरिटेंस और कॉम्पोजिशन—दोनों—OOP में कोड रीयूजेबिलिटी बढ़ाने की तकनीकें हैं। पहला वह तंत्र है जिसके द्वारा नई क्लास किसी मौजूदा क्लास से व्युत्पन्न होती है और उसकी सभी प्रॉपर्टीज़ और मेथड्स विरासत में लेती है। दूसरी ओर, कॉम्पोजिशन में किसी बेस क्लास से इनहेरिट करने के बजाय सरल भागों को मिलाकर जटिल ऑब्जेक्ट्स बनाना शामिल है।

कुल मिलाकर, कॉम्पोजिशन इनहेरिटेंस की तुलना में अधिक लचीलेपन, कम जटिलता और बेहतर मेंटेनबिलिटी सहित कई लाभ प्रदान करता है।

फंक्शनल प्रोग्रामिंग इंटरव्यू प्रश्न

13. फंक्शनल प्रोग्रामिंग क्या है?

कंप्यूटर विज्ञान में, फंक्शनल प्रोग्रामिंग एक प्रोग्रामिंग पैरेडाइम है जहाँ प्रोग्राम्स को फंक्शंस को लागू करके और संयोजित करके बनाया जाता है। यह डिक्लेरेटिव प्रोग्रामिंग पैरेडाइम का एक उपप्रकार है।

फंक्शनल प्रोग्रामिंग अपनी ट्रेसएबिलिटी और प्रेडिक्टेबिलिटी के कारण अलग दिखाई देती है। इसका कारण यह है कि उपयोग किए गए फंक्शंस इम्म्यूटेबल होते हैं, यानी उन्हें बदला नहीं जा सकता। फंक्शंस को परिभाषित किया जाता है, अक्सर कोड के किसी अलग हिस्से (या कभी-कभी किसी अलग फाइल) में, और फिर आवश्यकता अनुसार पूरे कोड में उपयोग किया जाता है। यह विशेषता किसी कोड सेक्शन में क्या हो रहा है, यह निर्धारित करना आसान बनाती है, क्योंकि फंक्शन हर जगह उसी तरह काम करता है और उसी तरह कॉल होता है।

अब भी फंक्शनल प्रोग्रामिंग और OOP के बीच के अंतर को लेकर भ्रमित हैं? स्पष्टता के लिए हमारा अलग गाइड देखें।

14. इम्पेरेटिव और डिक्लेरेटिव प्रोग्रामिंग में क्या अंतर है?

प्रोग्रामिंग पैरेडाइम्स के संदर्भ में, दो व्यापक श्रेणियाँ हैं जिनके अंतर्गत कई सामान्यत: उपयोग किए जाने वाले पैरेडाइम्स आते हैं: इम्पेरेटिव और डिक्लेरेटिव प्रोग्रामिंग। 

उच्च स्तर पर, इम्पेरेटिव प्रोग्रामिंग ऐसी पैरेडाइम श्रेणी है जिसमें प्रोग्रामर प्रोग्राम के लिए चरण-दर-चरण अनुसरण करने के लिए सटीक निर्देश लिखता है। ध्यान इस बात पर होता है कि प्रोग्राम को कैसे निष्पादित किया जाए। इस तरह की प्रोग्रामिंग को फ्लो चार्ट की दृष्टि से भी समझा जा सकता है, जहाँ प्रोग्राम निर्दिष्ट इनपुट्स के आधार पर दिए गए पथ का अनुसरण करता है। अधिकांश मेनस्ट्रीम प्रोग्रामिंग भाषाएँ इम्पेरेटिव प्रोग्रामिंग का उपयोग करती हैं।

डिक्लेरेटिव प्रोग्रामिंग, इसके विपरीत, ऐसी पैरेडाइम श्रेणी है जिसमें प्रोग्रामर प्रोग्राम की लॉजिक को परिभाषित करता है लेकिन यह विवरण नहीं देता कि प्रोग्राम को सटीक रूप से कौन-कौन से कदम उठाने चाहिए। ध्यान इस बात पर होता है कि प्रोग्राम क्या निष्पादित करे, न कि इसे ठीक-ठीक कैसे करे। इस प्रकार की प्रोग्रामिंग कम सामान्य है, लेकिन ऐसे परिदृश्यों में उपयोगी हो सकती है जहाँ नियम निर्धारित हैं और समाधान तक पहुँचने का सटीक मार्ग ज्ञात नहीं है। उदाहरण के तौर पर Sudoku जैसी संख्या पहेली को हल करना।

प्रोग्रामिंग पैरेडाइम्स पर बात करने के लिए और भी बहुत कुछ है। इसलिए हम इस अवसर को चूक नहीं सकते कि आपको हमारा Introduction to Programming Paradigms Course सुझाएँ।

15. प्योर फंक्शंस क्या होते हैं, और वे क्यों महत्वपूर्ण हैं?

प्योर फंक्शंस फंक्शनल प्रोग्रामिंग का मुख्य घटक हैं। सरल शब्दों में, एक प्योर फंक्शन ऐसा प्रोसेस है जो इनपुट मान लेता है और केवल उन्हीं इनपुट मानों के आधार पर आउटपुट मान लौटाता है। प्योर फंक्शंस के कोई "साइड इफेक्ट्स" नहीं होते, यानी वे प्रोग्राम के अन्य वेरिएबल्स पर प्रभाव नहीं डालते, फाइल में लिखने जैसे कार्य नहीं करते, और डेटाबेस में संग्रहीत जानकारी को नहीं बदलते।

प्योर फंक्शंस का स्वभाव उन्हें प्रोग्रामर्स का आदर्श साथी बनाता है। सबसे पहले, उन्हें डिबग करना बहुत आसान होता है, क्योंकि समान पैरामीटर सेट के साथ कोई भी प्योर फंक्शन हमेशा वही मान लौटाएगा। 

इसी कारण से, प्योर फंक्शंस को पैरेललाइज़ करना भी आसान होता है, इसके विपरीत इम्प्योर फंक्शंस में हस्तक्षेप हो सकता है, जिससे वे परिवर्तनीय वेरिएबल्स को अलग क्रम में अपडेट या पढ़ने के कारण अलग-अलग निष्पादनों में अलग परिणाम दे सकते हैं। 

16. हायर-ऑर्डर फंक्शंस को एक उदाहरण सहित समझाइए

फंक्शनल प्रोग्रामिंग में, प्योर फंक्शंस के विपरीत, हायर-ऑर्डर फंक्शन वह फंक्शन है जो या तो एक या अधिक फंक्शंस को आर्गुमेंट्स के रूप में लेता है (अर्थात, एक प्रोसीजरल पैरामीटर, जो स्वयं एक प्रोसीजर होता है), एक फंक्शन लौटाता है, या दोनों करता है। 

हायर-ऑर्डर फंक्शन का एक सामान्य उदाहरण Python का map() है। कई फंक्शनल प्रोग्रामिंग भाषाओं में प्रचलित, map() एक फंक्शन f और तत्वों के कलेक्शन को आर्गुमेंट्स के रूप में लेता है और कलेक्शन के प्रत्येक तत्व पर फंक्शन लागू करके एक नया कलेक्शन लौटाता है। उदाहरण के लिए, मान लीजिए आपके पास संख्याओं की एक सूची है, और आप उन संख्याओं को फ्लोट्स में परिवर्तित करके नया कलेक्शन चाहते हैं।

numbers = [1,2,3,4]
res = map(float, numbers)
print(list(numbers))
>>> [1.0, 2.0, 3.0, 4.0]संचालित द्वारा

एडवांस्ड प्रोग्रामिंग इंटरव्यू प्रश्न

अंत में, चलिए उन सबसे सामान्य प्रश्नों को देखते हैं जो अनुभवी उम्मीदवारों से, शीर्ष टेक कंपनियों को लक्षित करते हुए, पूछे जाते हैं।

डायनेमिक प्रोग्रामिंग इंटरव्यू प्रश्न

17. डायनेमिक प्रोग्रामिंग क्या है, और इसका उपयोग कब किया जाता है?

डायनेमिक प्रोग्रामिंग एक ऐसी विधि है जिसका उपयोग जटिल समस्याओं को छोटे-छोटे, ओवरलैप होते उपसमस्याओं में बाँटकर हल करने के लिए किया जाता है। 

हर बार शुरू से शुरू करने के बजाय, आप उन छोटे हिस्सों के समाधानों का रिकॉर्ड रखते हैं, जिसका मतलब है कि आपको वही गणनाएँ बार-बार नहीं करनी पड़तीं। यह विधि दो स्ट्रिंग्स के बीच सबसे लंबा कॉमन सबसीक्वेंस खोजने या ग्रिड पर किसी विशेष बिंदु तक पहुँचने की न्यूनतम लागत खोजने के लिए बहुत उपयोगी है।

18. मेमोइज़ेशन और टैब्यूलेशन में अंतर समझाइए

मेमोइज़ेशन और टैब्यूलेशन डायनेमिक प्रोग्रामिंग में एल्गोरिदम, प्रायः रिकर्सिव एल्गोरिदम, के प्रदर्शन को अनुकूलित करने की दो शक्तिशाली तकनीकें हैं।

मेमोइज़ेशन, जिसे कैशिंग भी कहते हैं, महँगे फंक्शन कॉल्स के परिणामों को संग्रहीत करने और वही इनपुट दोबारा आने पर संग्रहीत परिणामों को लौटाने से संबंधित है। इस तरह उपसमस्याएँ केवल एक बार ही गणना की जाती हैं। मेमोइज़ेशन टॉप-डाउन अप्रोच का अनुसरण करता है, यानी हम "टॉप प्रॉब्लम" से शुरू करते हैं और कई सबप्रॉब्लम्स को हल करने और कैश करने के लिए नीचे की ओर रिकर करते हैं।

इसके विपरीत, टैब्यूलेशन में सभी सबसे छोटी उपसमस्याओं की गणना करना और उनके परिणामों को एक टेबल में संग्रहीत करना शामिल है। इसे बॉटम-अप अप्रोच माना जाता है क्योंकि यह सबसे छोटी उपसमस्याओं को हल करके शुरू करता है, और जैसे ही हमारे पास उन सभी उपसमस्याओं के समाधान होते हैं, हम टॉप प्रॉब्लम का समाधान निकालते हैं।

19. डायनेमिक प्रोग्रामिंग का उपयोग करके फिबोनाची सीक्वेंस हल कीजिए

फिबोनाची सीक्वेंस इस प्रकार चलता है: 0, 1, 1, 2, 3, 5, 8, 13, 21, 34 … जहाँ क्रम में प्रत्येक संख्या उसके पहले की दो संख्याओं को जोड़कर मिलती है।

समस्या को हल करने का सबसे सहज तरीका रिकर्शन है, जैसा कि नीचे दिखाया गया है।

#  a simple recursive program for Fibonacci numbers
def fib(n):
    if n <= 1:
        return n

    return fib(n - 1) + fib(n - 2)संचालित द्वारा

हालाँकि, यह अनुक्रम खोजने का सबसे कुशल तरीका नहीं है। पिछले एल्गोरिदम की टाइम कॉम्प्लेक्सिटी एक्सपोनेंशियल होती है, O(2^N), जिसका अर्थ है कि जैसे-जैसे N बढ़ता है, गणनाओं की संख्या घातीय रूप से बढ़ती है।

फिबोनाची सीक्वेंस की समस्या को देखने का एक और तरीका इसे निम्नानुसार छोटे-छोटे उपसमस्याओं में बाँटना है:

fib(5) के लिए फिबोनाची सीक्वेंस। स्रोत

जैसा कि आप देख सकते हैं, यदि हम n=5 के लिए कोड चलाएँ, तो fib() फ़ंक्शन एक ही ऑपरेशन कई बार गणना करता है, जिसके परिणामस्वरूप कंप्यूटिंग संसाधनों की बर्बादी होती है। 

डायनेमिक प्रोग्रामिंग फिबोनाची सीक्वेंस की गणना को अनुकूलित करने के लिए कई तकनीकें प्रदान करती है।

आइए समस्या का विश्लेषण मेमोइज़ेशन से करें। जैसा कि पहले उल्लेख किया गया, इसमें महँगे फंक्शन कॉल्स के परिणामों को संग्रहीत करना और वही इनपुट फिर से आने पर संग्रहीत परिणाम लौटाना शामिल है। यह निम्नलिखित कोड से प्राप्त किया जाता है, जो fibonacci_memo() फ़ंक्शन के परिणामों को एक डिक्शनरी में स्टोर करता है। इस अनुकूलन के साथ, सभी इनपुट्स की गणना केवल एक बार होती है, जिससे टाइम कॉम्प्लेक्सिटी रैखिक हो जाती है, जिसे O(N) के रूप में नोट किया जाता है।

cache = {0: 0, 1: 1}

def fibonacci_memo(n):
    if n in cache:  # Base case
        return cache[n]
   # Compute and cache the Fibonacci number
    cache[n] = fibonacci_memo(n - 1) + fibonacci_memo(n - 2)  # Recursive case
    return cache[n]

[fibonacci_memo(n) for n in range(15)]
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377]संचालित द्वारा

20. ऑप्टिमल सबस्ट्रक्चर और ओवरलैपिंग सबप्रॉब्लम्स की अवधारणा समझाइए

डायनेमिक प्रोग्रामिंग में, उपसमस्याएँ मूल समस्या के छोटे संस्करण होती हैं। किसी समस्या में ओवरलैपिंग सबप्रॉब्लम्स तब होते हैं जब उसके समाधान में एक ही उपसमस्या को कई बार हल करना शामिल हो, जैसे ऊपर फिबोनाची सीक्वेंस की गणना।

दूसरी ओर, किसी समस्या में ऑप्टिमल सबस्ट्रक्चर तब माना जाता है जब दी गई समस्या का इष्टतम समाधान उसकी उपसमस्याओं के इष्टतम समाधानों से निर्मित किया जा सके।

प्रोग्रामिंग टेक्निकल इंटरव्यू प्रश्न

21. हैश टेबल्स कैसे काम करती हैं, समझाइए

हैशमैप्स, जिन्हें हैशटेबल्स भी कहा जाता है, हैशिंग के सबसे सामान्य इम्प्लीमेंटेशन्स में से एक हैं। हैशमैप्स की-वैल्यू पेयर्स (जैसे, कर्मचारी ID और कर्मचारी नाम) को एक लिस्ट में संग्रहीत करते हैं, जिसे उसके इंडेक्स के माध्यम से एक्सेस किया जा सकता है। हम कह सकते हैं कि हैशमैप एक डेटा स्ट्रक्चर है जो डेटा को एसोसिएटिव तरीके से स्टोर करने के लिए हैशिंग तकनीकों का लाभ उठाता है।

हैशमैप्स के पीछे विचार यह है कि एंट्रीज़ (की/वैल्यू पेयर्स) को बकेट्स के एक ऐरे में वितरित किया जाए। किसी की को देखते हुए, एक हैशिंग फंक्शन एक विशिष्ट इंडेक्स की गणना करेगा जो सुझाता है कि एंट्री कहाँ मिल सकती है। मूल की के बजाय इंडेक्स के उपयोग से हैशमैप्स डेटा इन्सर्शन, रिमूवल, और सर्च सहित कई डेटा ऑपरेशंस के लिए विशेष रूप से उपयुक्त हो जाते हैं।

हैशटेबल्स का एक उदाहरण Python डिक्शनरीज़ हैं। इन शक्तिशाली डेटा संरचनाओं के बारे में अधिक जानने के लिए हमारा Guide to Python Hashmaps देखें।

22. मल्टीथ्रेडिंग में डेडलॉक क्या होता है?

थ्रेडिंग आपको अपनी प्रक्रिया के अलग-अलग हिस्सों को एक साथ चलाने की अनुमति देता है। ये अलग-अलग हिस्से आमतौर पर स्वतंत्र होते हैं और उसी प्रक्रिया से संबंधित अलग-अलग निष्पादन इकाइयाँ होती हैं। प्रक्रिया कुछ नहीं बल्कि एक रनिंग प्रोग्राम है जिसमें ऐसी व्यक्तिगत इकाइयाँ होती हैं जिन्हें एक साथ चलाया जा सकता है।

डेडलॉक तब होता है जब कई थ्रेड्स अनिश्चित काल तक ब्लॉक हो जाते हैं, उन संसाधनों की प्रतीक्षा करते हुए जो अन्य थ्रेड्स के पास होते हैं। यह स्थिति निर्भरताओं के अभेद्य चक्र तक ले जाती है जहाँ शामिल कोई भी थ्रेड प्रगति नहीं कर पाता।

थ्रेड्स के बारे में और वे डेटा विश्लेषण के लिए क्यों महत्वपूर्ण हैं, यह जानने के लिए DataCamp का Python थ्रेडिंग ट्यूटोरियल पढ़ें, 

23. ब्रेड्थ-फर्स्ट सर्च (BFS) और डेप्थ-फर्स्ट सर्च (DFS) में क्या अंतर है?

ब्रेड्थ-फर्स्ट सर्च (BFS) और डेप्थ-फर्स्ट सर्च (DFS) दोनों ग्राफ ट्रैवर्सल एल्गोरिदम हैं जो किसी ग्राफ या ट्री का अन्वेषण करने के लिए बनाए गए हैं।

BFS ग्राफ को स्तर-दर-स्तर एक्सप्लोर करता है, वर्तमान गहराई के सभी नोड्स पर जाने के बाद अगले स्तर पर जाता है। इसके विपरीत, DFS किसी एक शाखा को जितना संभव हो उतना गहराई तक एक्सप्लोर करने को प्राथमिकता देता है और फिर वैकल्पिक शाखाओं की जाँच के लिए बैकट्रैक करता है।

BFS विशेष रूप से तब उपयोगी होता है जब लक्ष्य अनवेटेड ग्राफ में सबसे छोटा पथ खोजना हो। हालाँकि, BFS को बहुत मेमोरी की आवश्यकता हो सकती है, खासकर चौड़े ग्राफ में, क्योंकि इसे प्रत्येक स्तर पर सभी नोड्स का ट्रैक रखना पड़ता है। BFS सोशल नेटवर्क एनालिसिस या सरल रूटिंग समस्याओं के लिए एक उत्कृष्ट विकल्प है।

DFS, दूसरी ओर, तब उपयोगी है जब लक्ष्य सभी संभव पथों या समाधानों का अन्वेषण करना हो, जैसे पहेलियाँ सुलझाना या ग्राफ में साइकिल्स खोजना। BFS के विपरीत, DFS सबसे छोटे पथ की गारंटी नहीं देता। हालाँकि, यह अधिक मेमोरी-कुशल होता है, क्योंकि यह केवल वर्तमान पथ का ट्रैक रखता है।

आप इन एल्गोरिदम के बारे में और जान सकते हैं हमारे Breadth-First Search Guide और Depth-First Search Guide में।

24. क्विकसॉर्ट और मर्जसॉर्ट की टाइम कॉम्प्लेक्सिटी क्या है?

मर्ज सॉर्ट इनपुट ऐरे को पुनरावृत्त तरीके से छोटे सबऐरेज़ में विभाजित करके, उन सबऐरेज़ को सॉर्ट करके, और फिर उन्हें मिलाकर सॉर्टेड आउटपुट प्राप्त करने के लिए काम करता है। इसकी टाइम कॉम्प्लेक्सिटी लीनियरिथमिक होती है, जिसे O(N log(N)) लिखा जाता है। 

बिग-ओ नोटेशन में, लीनियरिथमिक समय व्यवहार में रैखिक समय जैसा लगता है, यानी यदि इनपुट डेटा की मात्रा दोगुनी हो जाती है, तो मर्ज सॉर्ट को डेटा प्रोसेस करने में लगने वाला समय भी दोगुना होगा।

क्विक सॉर्ट एल्गोरिदम सूची से एक मान चुनकर, जिसे पिवट कहा जाता है, पार्टिशन तकनीक का उपयोग करता है। पिवट से छोटे सभी आइटम्स पिवट के बाएँ और बड़े तत्व दाएँ आ जाते हैं। पिवट के बाएँ और दाएँ के तत्वों पर क्विक सॉर्ट को पुनरावृत्त रूप से कॉल किया जाएगा। 

क्विक सॉर्ट की सबसे खराब स्थिति में टाइम कॉम्प्लेक्सिटी एक्सपोनेंशियल, O(N^2), होती है, जो तब होती है जब पिवट का चुनाव लगातार असंतुलित पार्टिशन्स देता है।

निष्कर्ष

इस लेख में, हमने बेसिक, इंटरमीडिएट, और एडवांस्ड विषयों में फैले कई प्रोग्रामिंग इंटरव्यू प्रश्नों को कवर किया है। ऐरे और लिंक्ड लिस्ट जैसे डेटा स्ट्रक्चर्स के मुख्य सिद्धांतों को समझने से लेकर OOP, फंक्शनल प्रोग्रामिंग, और डायनेमिक प्रोग्रामिंग के अधिक जटिल तरीकों में उतरने तक, हमने उन प्रमुख क्षेत्रों की पड़ताल की है जिनके बारे में संभावित नियोक्ता पूछ सकते हैं।

यदि आपको अपने इंटरव्यू के लिए और प्रोग्रामिंग प्रशिक्षण चाहिए या आप डेटा और AI के क्षेत्र में अन्य भूमिकाओं के इंटरव्यू प्रश्नों में रुचि रखते हैं, तो निम्न संसाधन देखें:

• सभी स्तरों के लिए 28 शीर्ष डेटा साइंटिस्ट इंटरव्यू प्रश्न
• 2026 के लिए शीर्ष 36 Python इंटरव्यू प्रश्न और उत्तर
• 2026 के लिए शीर्ष 51 डेटा वेयरहाउस इंटरव्यू प्रश्न और उत्तर
• 2026 के लिए शीर्ष 30 मशीन लर्निंग इंटरव्यू प्रश्न
• 80 शीर्ष SQL इंटरव्यू प्रश्न और उत्तर [2026]
• Practicing Coding Interview Questions in Python Course
• टॉप 30 बिग डेटा इंटरव्यू प्रश्न: एक पूर्ण अभ्यास गाइड
• 2026 में शीर्ष 39 डेटा इंजीनियरिंग इंटरव्यू प्रश्न और उत्तर
• 2026 के लिए शीर्ष 34 MySQL इंटरव्यू प्रश्न और उत्तर