35 Pertanyaan Wawancara Machine Learning Teratas untuk 2026

Pertanyaan Wawancara Machine Learning Dasar

Pertanyaan dasar terkait terminologi, algoritma, dan metodologi. Pewawancara menanyakan pertanyaan ini untuk menilai pengetahuan teknis kandidat.

Apa itu pembelajaran semi-supervised dalam machine learning?

Semi-supervised learning adalah perpaduan antara supervised dan unsupervised learning. Algoritma dilatih pada campuran data berlabel dan tidak berlabel. Umumnya digunakan ketika kita memiliki dataset berlabel yang sangat kecil dan dataset tidak berlabel yang besar. 

Sederhananya, algoritma unsupervised digunakan untuk membuat klaster dan dengan menggunakan data berlabel yang sudah ada untuk memberi label pada sisa data yang tidak berlabel. Algoritma semi-supervised mengasumsikan continuity assumption, cluster assumption, dan manifold assumption.

Umumnya digunakan untuk menghemat biaya perolehan data berlabel. Misalnya, klasifikasi urutan protein, pengenalan ucapan otomatis, dan mobil tanpa pengemudi.  

Bagaimana Anda memilih algoritma yang akan digunakan untuk suatu dataset?

Selain dataset, Anda memerlukan use case bisnis atau kebutuhan aplikasi. Anda dapat menerapkan supervised dan unsupervised learning pada data yang sama. 

Secara umum:

• Algoritma supervised learning memerlukan data berlabel.
• Algoritma regresi memerlukan target numerik kontinu
• Algoritma klasifikasi memerlukan target kategorikal
• Algoritma unsupervised learning memerlukan data tidak berlabel.
• Semi-supervised learning memerlukan kombinasi dataset berlabel dan tidak berlabel. 
• Algoritma reinforcement learning memerlukan data lingkungan, agen, keadaan, dan reward. 

Gambar dari thecleverprogrammer

Pelajari dasar-dasar machine learning dengan mengikuti kursus kami. 

Jelaskan algoritma K Nearest Neighbor.

K Nearest Neighbor (KNN) adalah pengklasifikasi supervised learning. Algoritma ini menggunakan kedekatan untuk mengklasifikasikan label atau memprediksi pengelompokan titik data individual. Kita dapat menggunakannya untuk regresi dan klasifikasi. Algoritma KNN bersifat non-parametrik, artinya tidak membuat asumsi dasar tentang distribusi data. 

Pada pengklasifikasi KNN:

• Kita mencari K tetangga terdekat dari titik putih. Pada contoh di bawah, kita memilih k=5. 
• Untuk menemukan lima tetangga terdekat, kita menghitung jarak Euclidean antara titik putih dan titik lainnya. Lalu, kita memilih 5 titik yang paling dekat dengan titik putih. 
• Terdapat tiga titik merah dan dua titik hijau pada K=5. Karena merah mayoritas, kita menetapkan label merah. 

Gambar dari Codesigner's Dev Story 

Pelajari semua tentang model klasifikasi dan regresi supervised learning dengan mengikuti kursus singkat. 

Apa itu feature importance dalam machine learning, dan bagaimana cara menentukannya?

Feature importance mengacu pada teknik yang memberikan skor pada fitur input berdasarkan seberapa bermanfaatnya fitur tersebut dalam memprediksi variabel target. Ini berperan penting untuk memahami struktur dasar data, perilaku model, dan membuat model lebih mudah diinterpretasikan.

Ada beberapa metode untuk menentukan feature importance:

1. Model-based Importance: Algoritma tertentu seperti Decision Trees dan Random Forest menyediakan metode bawaan untuk mengevaluasi feature importance. Misalnya, Random Forest menghitung penurunan impuritas node yang dibobot berdasarkan probabilitas mencapai node tersebut, dirata-rata di semua pohon.
2. Permutation Importance: Melibatkan pengacakan variabel individual pada validation set dan mengamati dampaknya pada kinerja model. Penurunan kinerja yang signifikan menunjukkan pentingnya tinggi.
3. SHAP (SHapley Additive exPlanations): Pendekatan ini menggunakan teori permainan untuk mengukur kontribusi setiap fitur terhadap prediksi dalam model kompleks. Nilai SHAP memberikan wawasan mendalam tentang perilaku model dan sangat berguna untuk model kompleks seperti gradient boosting machines atau neural networks.
4. Koefisien Korelasi: Ukuran statistik sederhana seperti korelasi Pearson atau Spearman dapat memberikan wawasan tentang hubungan linear antara setiap fitur dan variabel target.

Memahami feature importance sangat penting untuk optimasi model, mengurangi overfitting dengan menghapus fitur non-informatif, dan meningkatkan interpretabilitas model, terutama di domain di mana pemahaman proses pengambilan keputusan model itu krusial.

Apa itu overfitting dalam machine learning, dan bagaimana cara menghindarinya?

Overfitting terjadi ketika model berkinerja baik pada data pelatihan tetapi gagal melakukan generalisasi ke data yang belum pernah dilihat karena model menghafal data pelatihan alih-alih mempelajari pola dasarnya. Ini dapat dihindari dengan:

• Menggunakan teknik cross-validation.
• Menerapkan regularisasi (L1, L2).
• Mengurangi kompleksitas model.
• Mengumpulkan lebih banyak data pelatihan atau menggunakan augmentasi data.

Apa perbedaan antara supervised dan unsupervised learning?

• Supervised Learning: Model dilatih pada data berlabel, di mana variabel target diketahui. Contohnya mencakup klasifikasi dan regresi.
• Unsupervised Learning: Model dilatih pada data tidak berlabel untuk menemukan pola atau pengelompokan. Contohnya mencakup clustering dan pengurangan dimensi.

Apa itu confusion matrix, dan mengapa berguna?

Confusion matrix adalah tabel yang digunakan untuk mengevaluasi kinerja model klasifikasi. Tabel ini menampilkan jumlah true positive, true negative, false positive, dan false negative. Berguna untuk menghitung metrik seperti akurasi, presisi, recall, dan skor F1.

Apa perbedaan antara model parametrik dan non-parametrik?

Model Parametrik: Membuat asumsi tentang distribusi dasar data dan memiliki jumlah parameter tetap (misalnya, Linear Regression).

Model Non-Parametrik: Tidak membuat asumsi tentang distribusi data dan dapat beradaptasi dengan kompleksitas saat lebih banyak data ditambahkan (misalnya, K-Nearest Neighbors).

Apa itu trade-off bias-variance dalam machine learning?

Bias-variance tradeoff mengacu pada keseimbangan antara kemampuan model untuk menangkap pola kompleks (bias rendah) dan sensitivitasnya terhadap fluktuasi pada data pelatihan (variance rendah). Model yang baik mencapai keseimbangan dengan meminimalkan bias dan variance untuk menghindari underfitting dan overfitting.

Pertanyaan Wawancara Teknis Machine Learning

Sesi wawancara teknis lebih berfokus pada penilaian pengetahuan Anda tentang proses dan seberapa siap Anda menangani ketidakpastian. Hiring manager akan menanyakan pertanyaan wawancara machine learning tentang pemrosesan data, pelatihan dan validasi model, serta algoritma lanjutan.

Benarkah kita perlu men-skala nilai fitur saat perbedaannya sangat besar?

Benar. Sebagian besar algoritma menggunakan jarak Euclidean antar titik data, dan jika nilai fitur sangat bervariasi, hasilnya akan sangat berbeda. Dalam banyak kasus, outlier menyebabkan model machine learning berkinerja lebih buruk pada dataset uji. 

Kita juga menggunakan feature scaling untuk mengurangi waktu konvergensi. Gradient descent akan memerlukan waktu lebih lama untuk mencapai local minima ketika fitur tidak dinormalisasi. 

Gradien tanpa dan dengan penskalaan | Quora

Kemampuan feature engineering sangat diminati. Anda dapat mempelajari semuanya dengan mengikuti kursus DataCamp, seperti Feature Engineering for Machine Learning in Python.  

Model yang Anda latih memiliki bias rendah dan variance tinggi. Bagaimana Anda menanganinya?

Bias rendah terjadi ketika model memprediksi nilai yang mendekati nilai aktual. Model meniru dataset pelatihan. Model tidak memiliki generalisasi, artinya jika diuji pada data yang belum pernah dilihat, hasilnya akan buruk. 

Bias rendah dan variance tinggi | Penulis

Untuk memperbaiki masalah ini, kita akan menggunakan algoritma bagging karena membagi dataset menjadi subset menggunakan pengambilan sampel acak. Lalu, kita menghasilkan kumpulan model menggunakan sampel ini dengan satu algoritma. Setelah itu, kita menggabungkan prediksi model menggunakan voting classification atau perataan (averaging).

Untuk variance tinggi, kita dapat menggunakan teknik regularisasi. Teknik ini memberikan penalti pada koefisien model yang lebih tinggi untuk menurunkan kompleksitas model. Selain itu, kita dapat memilih fitur teratas dari grafik feature importance dan melatih model. 

Apa itu Model Drift dan bagaimana Anda mendeteksinya di produksi?

Model drift terjadi ketika kinerja model menurun seiring waktu karena data dunia nyata berubah dibandingkan dengan data pelatihan. Ada dua jenis utama:

• Data drift (Covariate shift): Distribusi data input berubah (misalnya, pengguna mulai mengunggah gambar di malam hari alih-alih siang hari). Anda mendeteksinya dengan memantau jarak statistik (seperti KL Divergence) antara distribusi fitur pelatihan dan produksi.
• Concept drift: Hubungan antara input dan output berubah (misalnya, definisi "spam" berubah seiring waktu). Anda mendeteksinya dengan memantau metrik bisnis hilir (seperti click-through rate) atau akurasi ground-truth jika tersedia.

Teknik cross-validation mana yang Anda sarankan untuk dataset deret waktu dan mengapa?

Cross-validation digunakan untuk mengevaluasi kinerja model secara andal dan mencegah overfitting. Umumnya, teknik cross-validation memilih sampel secara acak dari data dan membaginya menjadi train dan test set. Jumlah pembagian didasarkan pada nilai K. 

Misalnya, jika K = 5, akan ada empat fold untuk train dan satu untuk test. Ini akan diulang lima kali untuk mengukur kinerja model pada fold terpisah.  

Kita tidak dapat melakukannya pada dataset deret waktu karena tidak masuk akal menggunakan nilai dari masa depan untuk memprediksi nilai masa lalu. Ada ketergantungan temporal antarobservasi, dan kita hanya bisa membagi data ke satu arah sehingga nilai pada dataset uji berada setelah set pelatihan. 

Diagram menunjukkan bahwa pembagian k-fold data deret waktu bersifat searah. Titik biru adalah training set, titik merah adalah test set, dan putih adalah data yang tidak digunakan. Seperti yang dapat kita amati, pada setiap iterasi, kita bergerak maju dengan training set sementara test set tetap di depan training set, bukan dipilih secara acak. 

Cross validation deret waktu | UC Business Analytics R Programming Guide

Pelajari manipulasi, analisis, visualisasi, dan pemodelan data deret waktu dengan mengikuti Time Series with Python.

Pertanyaan Wawancara Rekayasa Computer Vision

Kebanyakan pekerjaan machine learning yang ditawarkan di LinkedIn, Glassdoor, dan Indeed bersifat spesifik peran. Karena itu, selama wawancara, mereka akan fokus pada pertanyaan yang spesifik peran. Untuk peran rekayasa computer vision, hiring manager akan fokus pada pertanyaan pemrosesan citra. 

Mengapa input pada masalah computer vision bisa menjadi sangat besar? Jelaskan dengan contoh. 

Bayangkan sebuah gambar 250 X 250 dan lapisan tersembunyi pertama yang sepenuhnya terhubung dengan 1000 unit tersembunyi. Untuk gambar ini, fitur input adalah 250 X 250 X 3 = 187.500, dan matriks bobot pada lapisan tersembunyi pertama akan berukuran 187.500 X 1000. Angka-angka ini sangat besar untuk penyimpanan dan komputasi, dan untuk mengatasi masalah ini, kita menggunakan operasi konvolusi. 

Pelajari pemrosesan citra dengan mengikuti kursus singkat Image Processing in Python

Saat Anda memiliki dataset kecil, sarankan cara untuk melatih convolutional neural network.  

Jika Anda tidak memiliki cukup data untuk melatih convolutional neural network, Anda dapat menggunakan transfer learning untuk melatih model dan mendapatkan hasil mutakhir. Anda memerlukan model pra-latih yang dilatih pada dataset yang lebih besar namun umum. Setelah itu, Anda akan fine-tune pada data yang lebih baru dengan melatih lapisan terakhir dari model. 

Transfer learning memungkinkan data scientist melatih model pada data yang lebih kecil dengan menggunakan sumber daya, komputasi, dan penyimpanan yang lebih sedikit. Anda dapat dengan mudah menemukan model pra-latih open-source untuk berbagai use case, dan sebagian besar memiliki lisensi komersial yang berarti Anda dapat menggunakannya untuk membuat aplikasi Anda. 

Transfer Learning oleh purnasai gudikandula

Apa itu algoritma deteksi objek mutakhir YOLO, dan bagaimana arsitekturnya berkembang baru-baru ini?

YOLO adalah algoritma deteksi objek berbasis convolutional neural network, dan dapat memberikan hasil secara real-time. Algoritma YOLO memerlukan satu kali forward pass melalui CNN untuk mengenali objek. Algoritma ini memprediksi berbagai probabilitas kelas dan bounding box sekaligus. 

Model dilatih untuk mendeteksi berbagai objek, dan perusahaan menggunakan transfer learning untuk melakukan fine-tuning pada data baru untuk aplikasi modern seperti mengemudi otonom, pelestarian satwa liar, dan keamanan. 

Arsitektur model YOLOv10 | researchgate

Pertanyaan Wawancara Rekayasa NLP

Natural Language Processing (NLP) adalah salah satu fondasi aplikasi AI modern. Harapkan pertanyaan yang menjembatani teori linguistik dan implementasi praktis, menguji kemampuan Anda memroses, menganalisis, dan mengekstrak makna dari data teks tidak terstruktur menggunakan teknik klasik dan pendekatan deep learning modern.

Apa itu Syntactic Analysis?

Syntactic Analysis, juga dikenal sebagai analisis sintaksis atau parsing, adalah analisis teks yang memberi tahu kita makna logis di balik kalimat atau bagian dari kalimat. Analisis ini berfokus pada hubungan antar kata dan struktur gramatikal kalimat. Anda juga dapat menyebutnya sebagai pemrosesan bahasa alami menggunakan kaidah tata bahasa. 

Syntactic Analysis | researchgate

Apa itu Stemming dan Lemmatization?

Stemming dan lemmatization adalah teknik normalisasi yang digunakan untuk meminimalkan variasi struktural kata dalam sebuah kalimat. 

Stemming menghapus imbuhan yang ditambahkan pada kata dan meninggalkannya dalam bentuk dasar. Misalnya, Changing menjadi Chang. 

Teknik ini banyak digunakan oleh mesin telusur untuk optimasi penyimpanan. Alih-alih menyimpan semua bentuk kata, mesin hanya menyimpan stem-nya. 

Lemmatization mengonversi kata ke bentuk lemma-nya. Hasilnya adalah kata akar alih-alih kata stem. Setelah lemmatization, kita mendapatkan kata yang valid dan bermakna. Misalnya, Changing menjadi Change.

Stemming vs. Lemmatization | Penulis

Apa teknik modern untuk mengoptimalkan kecepatan inferensi LLM di produksi?

Mengoptimalkan transformer besar memerlukan penanganan bottleneck bandwidth memori dan komputasi:

• Quantization: Mengurangi bobot model dari FP16 (16-bit) menjadi INT8 atau INT4 dengan kehilangan akurasi minimal. Ini memungkinkan model yang lebih besar masuk ke memori GPU yang lebih kecil.​
• PagedAttention (vLLM): Teknik manajemen memori yang memperlakukan cache KV (Key-Value) seperti halaman memori virtual, memungkinkan throughput 2-4x lebih tinggi dengan menghilangkan fragmentasi memori.​
• Speculative decoding: Menggunakan model "draf" kecil untuk memprediksi beberapa token berikutnya dengan cepat, yang kemudian diverifikasi secara paralel oleh model besar. Ini memanfaatkan fakta bahwa baca/tulis memori sering kali lebih lambat daripada komputasi untuk token tunggal.

Pelajari dasar-dasar NLP dengan menyelesaikan jalur keterampilan Natural Language Processing in Python . 

Pertanyaan Wawancara Rekayasa LLM

Seiring LLM mendominasi lanskap AI saat ini, pewawancara memprioritaskan kandidat yang memahami cara menerapkannya secara efektif. Bagian ini berfokus pada beberapa tantangan rekayasa praktis terbesar di tahun 2026.

Apa itu context window pada LLM, dan bagaimana Anda menangani tugas yang memerlukan konteks lebih banyak daripada yang dapat ditangani model sekaligus?

Context window LLM adalah jumlah maksimum teks (diukur dalam token) yang dapat dipertimbangkan model sekaligus saat menghasilkan respons, dan secara langsung membatasi seberapa banyak "memori kerja" yang dimiliki model secara efektif.

Bahkan saat context window besar menjadi lebih umum, kinerja dan biaya tidak berskala secara linear: prompt panjang meningkatkan latensi dan masih dapat menyebabkan masalah keandalan ketika informasi yang relevan terkubur di tengah konteks.

Dalam wawancara, saya akan menjawab dengan menjelaskan strategi praktis untuk tugas dokumen panjang:

• Gunakan chunking (membagi dokumen menjadi bagian yang bermakna secara semantik) dan ambil hanya potongan paling relevan untuk pertanyaan tertentu.​
• Lebih memilih Retrieval-Augmented Generation (RAG) saat Anda memerlukan landasan faktual dan pengambilan yang terarah alih-alih mengirim seluruh dokumen setiap saat, yang dapat mengurangi biaya dan menghindari perilaku "lost in the middle".
• Gunakan peringkasan atau catatan hierarkis (ringkasan bagian → ringkasan dari ringkasan) saat Anda memerlukan pandangan global, lalu ambil detail sesuai kebutuhan.​

Bagaimana Anda mengurangi halusinasi pada Large Language Models?

Halusinasi terjadi ketika LLM menghasilkan informasi yang masuk akal namun secara faktual salah. Pada 2026, mitigasinya memerlukan pendekatan berlapis:

• Retrieval-Augmented Generation (RAG): Memberi landasan pada model dengan memaksanya menjawab hanya berdasarkan dokumen yang diambil dari basis pengetahuan tepercaya.
• Prompt engineering: Teknik seperti Chain-of-Thought (meminta model menjelaskan penalarannya selangkah demi selangkah) dan Few-Shot Prompting (memberikan contoh terverifikasi) secara signifikan mengurangi kesalahan.
• Confidence scoring & self-consistency: Menghasilkan beberapa jawaban untuk prompt yang sama dan memilih yang paling konsisten, atau meminta model menilai kepercayaan dirinya sebelum menjawab.​
• Guardrails: Menerapkan lapisan pascaproses (seperti NeMo Guardrails) untuk memeriksa fakta keluaran terhadap aturan yang ditetapkan sebelum ditampilkan kepada pengguna.

Kapan Anda harus memilih Retrieval-Augmented Generation (RAG) dibanding Fine-Tuning?

Ini adalah pertanyaan "trade-off" klasik. Keputusannya bergantung pada kebaruan data dan kekhususan domain:

• Pilih RAG saat: Anda perlu model mengakses informasi terbaru (mis., harga saham, berita terkini) atau data privat yang sering berubah. RAG lebih murah dan mengurangi halusinasi karena menyediakan jawaban tepat dalam konteks.​
• Pilih Fine-Tuning saat: Anda perlu model mempelajari perilaku, gaya, atau format tertentu (mis., berbicara seperti bajak laut atau menulis kode dalam bahasa internal proprietari). Fine-tuning menanamkan pengetahuan ke dalam bobot namun tidak menyelesaikan masalah "knowledge cutoff".
• Pendekatan hibrida: Dalam banyak sistem produksi, Anda melakukan fine-tune model agar memahami jargon spesifik domain lalu menggunakan RAG untuk memberi fakta terbaru.

Pertanyaan ini dibahas lebih detail di blog kami tentang RAG vs Fine-Tuning.

Pertanyaan Wawancara Rekayasa Reinforcement Learning

Reinforcement Learning (RL) menangani masalah di mana agen belajar dengan berinteraksi dengan lingkungan alih-alih dari dataset statis. Bersiaplah untuk membahas cara kerja RL dan menjelaskan konsep inti seperti kebijakan (policies).

Apa langkah-langkah yang terlibat dalam algoritma Reinforcement Learning tipikal?

Reinforcement learning menggunakan coba-coba untuk mencapai tujuan. Ini adalah algoritma berorientasi tujuan dan belajar dari lingkungan dengan mengambil langkah yang benar untuk memaksimalkan reward kumulatif. 

Dalam reinforcement learning tipikal:

1. Pada awalnya, agen menerima state nol dari lingkungan
2. Berdasarkan state, agen akan mengambil sebuah aksi
3. State berubah, dan agen berada di tempat baru dalam lingkungan.
4. Agen menerima reward jika melakukan langkah yang benar.
5. Proses akan berulang hingga agen mempelajari jalur terbaik untuk mencapai tujuan dengan memaksimalkan reward kumulatif.

Kerangka Reinforcement Learning | Penulis

Apa perbedaan antara Off-Policy dan On-Policy Learning?

Algoritma On-Policy mengevaluasi dan meningkatkan kebijakan yang sama untuk bertindak dan memperbaruinya. Dengan kata lain, kebijakan yang digunakan untuk pembaruan dan kebijakan yang digunakan untuk bertindak adalah sama. 

Target Policy == Behavior Policy

Algoritma on-policy adalah Sarsa, Monte Carlo for On-Policy, Value Iteration, dan Policy Iteration

Algoritma Off-Policy Learning sangat berbeda karena kebijakan yang diperbarui berbeda dari behavior policy. Misalnya, pada Q-learning, agen belajar dari kebijakan optimal dengan bantuan kebijakan greedy dan mengambil tindakan menggunakan kebijakan lain. 

Target Policy != Behavior Policy

Kasus on-policy vs. off-policy | Artificial Intelligence Stack Exchange

Mengapa kita memerlukan "Deep" Q learning?

Q learning sederhana sangat baik. Ini menyelesaikan masalah dalam skala kecil, tetapi gagal pada skala besar. 

Bayangkan jika lingkungan memiliki 1000 state dan 1000 aksi per state. Kita akan memerlukan tabel Q dengan jutaan sel. Permainan catur dan Go akan memerlukan tabel yang jauh lebih besar. Di sinilah Deep Q-learning menjadi solusi. 

Ia memanfaatkan neural network untuk mengaproksimasi fungsi nilai Q. Neural network menerima state sebagai input dan menghasilkan nilai Q untuk semua aksi yang mungkin. 

Deep Q-network untuk mengemudi otonom | researchgate

Pertanyaan Engineer Machine Learning di FAANG

Di bawah ini, kami merangkum beberapa pertanyaan potensial yang mungkin diajukan pewawancara kepada Anda di beberapa perusahaan teknologi teratas: 

Apa interpretasi ROC area under the curve?

Receiver operating characteristics (ROC) menunjukkan trade-off antara sensitivitas dan spesifisitas. 

• Sensitivitas: probabilitas bahwa model memprediksi hasil positif saat nilai aktual juga positif. 
• Spesifisitas: probabilitas bahwa model memprediksi hasil negatif saat nilai aktual juga negatif.

Kurva diplot menggunakan False positive rate (FP/(TN + FP)) dan true positive rate (TP/(TP + FN))

Luas di bawah kurva (AUC) menunjukkan kinerja model. Jika area di bawah kurva ROC adalah 0,5, maka model kita benar-benar acak. Model dengan AUC mendekati 1 adalah model yang lebih baik.

Kurva ROC oleh Hadrien Jean

Bagaimana Anda mengevaluasi model Generative AI ketika tidak ada satu "ground truth"?

Tidak seperti klasifikasi (di mana jawaban benar atau salah), GenAI sering memerlukan evaluasi manusia atau kerangka "LLM-as-a-Judge":

• Metrik tanpa referensi: Menggunakan model yang lebih kuat (seperti GPT-4) untuk menilai respons model yang lebih kecil pada kriteria seperti "keterbantuan", "keamanan", dan "koherensi".
• RAGAS (Retrieval Augmented Generation Assessment): Kerangka standar yang secara khusus mengukur "faithfulness" (apakah jawaban berasal dari konteks?) dan "answer relevance" (apakah menjawab pertanyaan pengguna?).​
• Evaluasi manusia (Elo Ratings): Untuk validasi akhir, membandingkan dua keluaran model berdampingan (A/B testing) dan menghitung peringkat Elo, mirip dengan papan peringkat LMArena.

Apa metode untuk mengurangi dimensi?

Untuk pengurangan dimensi, kita dapat menggunakan metode seleksi fitur atau ekstraksi fitur. 

Feature selection adalah proses memilih fitur optimal dan membuang fitur yang tidak relevan. Kita menggunakan metode Filter, Wrapper, dan Embedded untuk menganalisis feature importance dan menghapus fitur yang kurang penting guna meningkatkan kinerja model. 

Feature extraction mentransformasikan ruang berdimensi banyak menjadi dimensi yang lebih sedikit. Tidak ada informasi yang hilang selama proses, dan menggunakan lebih sedikit sumber daya untuk memproses data. Teknik ekstraksi yang paling umum adalah Linear Discriminant Analysis (LDA), Kernel PCA, dan Quadratic Discriminant Analysis.

Bagaimana Anda menemukan ambang batas (threshold) untuk sebuah pengklasifikasi?

Pada kasus pengklasifikasi spam, model logistic regression akan mengembalikan probabilitas. Kita bisa menggunakan probabilitas 0,8999 atau mengonversinya menjadi kelas (Spam/Bukan Spam) menggunakan threshold. 

Biasanya, threshold pengklasifikasi adalah 0,5, tetapi dalam beberapa kasus, kita perlu melakukan fine-tuning untuk meningkatkan akurasi. Threshold 0,5 berarti jika probabilitas sama dengan atau di atas 0,5, maka itu spam, dan jika lebih rendah, maka bukan spam.  

Untuk menemukan threshold, kita dapat menggunakan Precision-Recall curve dan ROC curve, grid search, serta dengan mengubah nilai secara manual untuk mendapatkan CV yang lebih baik.  

Jadilah machine learning engineer profesional dengan menyelesaikan jalur karier Machine Learning Scientist with Python. 

Apa asumsi pada linear regression?

Linear regression digunakan untuk memahami hubungan antara fitur (X) dan target (y). Sebelum kita melatih model, kita perlu memenuhi beberapa asumsi:

1. Residual saling independen 
2. Terdapat hubungan linear antara variabel independen X dan variabel dependen y. 
3. Varians residual konstan pada setiap level X
4. Residual berdistribusi normal. 

Catatan: residual dalam linear regression adalah selisih antara nilai aktual dan nilai prediksi. 

Tuliskan fungsi find_bigrams untuk menerima string dan mengembalikan daftar semua bigram.

Selama wawancara coding, Anda akan ditanya tentang masalah machine learning, tetapi dalam beberapa kasus, mereka akan menilai keterampilan Python Anda dengan menanyakan pertanyaan coding umum. Jadilah programmer Python ahli dengan mengikuti jalur karier Python Programmer. 

Membuat fungsi bigram cukup mudah. Anda perlu menggunakan dua loop dengan fungsi zip. 

1. Pada fungsi bigram, kita menerima daftar kalimat sebagai input
2. Membuat loop untuk mengakses satu kalimat
3. Mengubah menjadi huruf kecil dan memisahkan kalimat menjadi daftar kata
4. Menggunakan zip untuk membuat kombinasi kata sebelumnya dan kata berikutnya
5. Menambahkan keluaran ke hasil 
6. Mencetak hasil.

Ini cukup mudah jika Anda memecah masalah dan menggunakan fungsi zip. 

def bigram(text_list:list):
    result = []
    for ls in text_list:
        words = ls.lower().split()
        for bi in zip(words, words[1:]):
            result.append(bi)
    return result
text = ["Data drives everything", "Get the skills you need for the future of work"]
print(bigram(text))

Hasil: 

[('Data', 'drives'), ('drives', 'everything'), ('Get', 'the'), ('the', 'skills'), ('skills', 'you'), ('you', 'need'), ('need', 'for'), ('for', 'the'), ('the', 'future'), ('future', 'of'), ('of', 'work')]

Apa itu fungsi aktivasi dalam Machine Learning?

Fungsi aktivasi adalah transformasi non-linear dalam neural network. Kita melewatkan input melalui fungsi aktivasi sebelum meneruskannya ke lapisan berikutnya. 

Nilai input bersih dapat berada di antara -inf hingga +inf, dan neuron tidak tahu cara membatasi nilai, sehingga tidak dapat menentukan pola firing. Fungsi aktivasi memutuskan apakah neuron harus diaktifkan atau tidak untuk membatasi nilai input bersih.  

Jenis fungsi aktivasi yang paling umum:

• Step Function
• Sigmoid Function
• ReLU
• Leaky ReLU 

Bagaimana Anda membangun rekomendasi restoran di Facebook?

Jawabannya sepenuhnya terserah Anda. Namun sebelum menjawab, Anda perlu mempertimbangkan tujuan bisnis yang ingin dicapai untuk menetapkan metrik kinerja dan bagaimana Anda akan memperoleh data. 

Dalam desain sistem machine learning yang tipikal, kita:

• Mengumpulkan, membersihkan, dan menganalisis data.
• Melakukan feature engineering
• Memilih metodologi, algoritma, atau model machine learning
• Melatih dan mengevaluasi kinerja pada dataset uji dan validasi.
• Merapikan proses dan menerapkan model ke produksi.

Anda perlu memastikan fokus pada desain alih-alih teori atau arsitektur model. Pastikan untuk membahas inferensi model dan bagaimana peningkatannya akan meningkatkan pendapatan secara keseluruhan. 

Juga, berikan gambaran mengapa Anda memilih metodologi tertentu dibandingkan yang lain. 

Pelajari lebih lanjut tentang membangun sistem rekomendasi dengan mengikuti kursus di DataCamp.

Diberikan dua string A dan B, tulis fungsi can_shift untuk mengembalikan apakah A dapat digeser sejumlah posisi untuk mendapatkan B.

Menyelesaikan tantangan coding dan mengasah keterampilan Python Anda akan meningkatkan peluang melewati tahap wawancara coding. 

Sebelum terjun menyelesaikan masalah, Anda perlu memahami pertanyaannya. Anda cukup membuat fungsi boolean yang akan mengembalikan True jika dengan menggeser alfabet dalam String B, Anda mendapatkan String A.  

A = 'abid'
B = 'bida'
can_shift(A, B) == True

• Kembalikan false jika panjang string tidak sama. 
• Lakukan loop pada rentang panjang String A
• Buat mut_a untuk membuat berbagai kombinasi karakter menggunakan String A
• Selama loop, jika mut_a sama dengan String B kembalikan True, jika tidak kembalikan false.  

def can_shift(a, b):

    if len(a) != len(b):
        return False

    for i in range(len(a)):
        mut_a = a[i:] + a[:i]
        if mut_a == b:
            return True

    return False


A = 'abid'
B = 'bida'
print(can_shift(A, B))
>>> True

Apa itu Ensemble learning?

Ensemble learning digunakan untuk menggabungkan wawasan dari beberapa model machine learning guna meningkatkan akurasi dan metrik kinerja. 

Metode ensemble sederhana:

• Mean/rata-rata: kita merata-ratakan prediksi dari beberapa model berkinerja tinggi.
• Rata-rata berbobot: kita memberikan bobot berbeda pada model machine learning berdasarkan kinerja lalu menggabungkannya.  

Metode ensemble lanjutan:

• Bagging digunakan untuk meminimalkan kesalahan variance. Teknik ini secara acak membuat subset data pelatihan dan melatihnya pada model. Kombinasi model mengurangi variance dan membuatnya lebih andal dibanding model tunggal. 
• Boosting digunakan untuk mengurangi kesalahan bias dan menghasilkan model prediktif yang unggul. Ini adalah teknik ensemble iteratif yang menyesuaikan bobot berdasarkan klasifikasi terakhir. Algoritma boosting memberikan bobot lebih pada observasi yang sebelumnya diprediksi tidak akurat oleh model.

Bagging dan Boosting oleh Fernando López

Pelajari lebih lanjut tentang averaging, bagging, stacking, dan boosting dengan menyelesaikan kursus Ensemble Methods in Python. 

Kesimpulan

Menutup penjelajahan kita atas pertanyaan wawancara machine learning yang esensial, jelas bahwa keberhasilan dalam wawancara jenis ini memerlukan perpaduan pengetahuan teoretis, keterampilan praktis, dan pemahaman akan tren serta teknologi terbaru di bidang ini. Dari memahami konsep dasar seperti pembelajaran semi-supervised dan pemilihan algoritma, hingga menyelami kompleksitas algoritma spesifik seperti KNN, serta menghadapi tantangan spesifik peran di NLP, computer vision, atau reinforcement learning, cakupannya luas.

Baik Anda pemula yang ingin masuk ke bidang ini maupun praktisi berpengalaman yang ingin melangkah lebih jauh, pembelajaran dan latihan berkelanjutan adalah kuncinya. DataCamp menawarkan jalur komprehensif Machine Learning Scientist with Python yang menyediakan cara terstruktur dan mendalam untuk meningkatkan keterampilan Anda.