Le 35 migliori domande di colloquio sul Machine Learning per il 2026

Domande di colloquio base sul Machine Learning

Le domande base riguardano terminologia, algoritmi e metodologie. Gli intervistatori le usano per valutare le conoscenze tecniche del candidato.

Che cos'è l'apprendimento semi-supervisionato?

L'apprendimento semi-supervisionato è una via di mezzo tra apprendimento supervisionato e non supervisionato. L'algoritmo viene addestrato su un mix di dati etichettati e non etichettati. In genere si usa quando abbiamo un dataset etichettato molto piccolo e un dataset non etichettato molto grande. 

In parole semplici, l'algoritmo non supervisionato viene usato per creare cluster e, usando i dati etichettati esistenti, per etichettare il resto dei dati non etichettati. Un algoritmo semi-supervisionato assume l'ipotesi di continuità, l'ipotesi di cluster e l'ipotesi di varietà (manifold).

In genere serve a ridurre i costi di acquisizione dei dati etichettati. Per esempio, classificazione di sequenze proteiche, riconoscimento vocale automatico e auto a guida autonoma.  

Come scegli quale algoritmo usare per un dataset?

Oltre al dataset, ti servono un caso d'uso aziendale o dei requisiti applicativi. Puoi applicare apprendimento supervisionato e non supervisionato agli stessi dati. 

In generale:

• Gli algoritmi di apprendimento supervisionato richiedono dati etichettati.
• Gli algoritmi di regressione richiedono target numerici continui
• Gli algoritmi di classificazione richiedono target categorici
• Gli algoritmi di apprendimento non supervisionato richiedono dati non etichettati.
• L'apprendimento semi-supervisionato richiede una combinazione di dataset etichettati e non etichettati. 
• Gli algoritmi di apprendimento per rinforzo richiedono dati su ambiente, agente, stato e ricompensa. 

Immagine da thecleverprogrammer

Impara le basi del machine learning seguendo il nostro corso. 

Spiega l'algoritmo K Nearest Neighbor.

Il K Nearest Neighbor (KNN) è un classificatore di apprendimento supervisionato. Usa la prossimità per classificare etichette o prevedere il raggruppamento di singoli punti dati. Possiamo usarlo per regressione e classificazione. L'algoritmo KNN è non parametrico, cioè non fa assunzioni sulla distribuzione dei dati. 

Nel classificatore KNN:

• Troviamo i K vicini più prossimi al punto bianco. Nell'esempio sotto, abbiamo scelto k=5. 
• Per trovare i cinque vicini più prossimi, calcoliamo la distanza euclidea tra il punto bianco e gli altri. Poi scegliamo i 5 punti più vicini al punto bianco. 
• Ci sono tre punti rossi e due verdi a K=5. Poiché i rossi sono la maggioranza, gli assegniamo un'etichetta rossa. 

Immagine da Codesigner's Dev Story 

Scopri tutto su modelli di classificazione e regressione supervisionata con un corso breve. 

Che cos'è l'importanza delle feature nel machine learning e come la determini?

Per importanza delle feature si intendono tecniche che assegnano un punteggio alle variabili in input in base a quanto sono utili nel prevedere la variabile target. Ha un ruolo fondamentale per comprendere la struttura sottostante dei dati, il comportamento del modello e per rendere il modello più interpretabile.

Esistono diversi metodi per determinarla:

1. Importanza basata sul modello: Alcuni algoritmi, come Decision Tree e Random Forest, forniscono metodi integrati per valutare l'importanza delle feature. Ad esempio, le Random Forest calcolano la diminuzione dell'impurità del nodo pesata per la probabilità di raggiungere quel nodo, mediata su tutti gli alberi.
2. Permutazione: Consiste nel mescolare singole variabili nel set di validazione e osservare l'effetto sulle prestazioni del modello. Un calo significativo delle prestazioni indica alta importanza.
3. SHAP (SHapley Additive exPlanations): Questo approccio usa la teoria dei giochi per misurare il contributo di ciascuna feature alla previsione in un modello complesso. I valori SHAP offrono un'analisi approfondita del comportamento del modello e sono particolarmente utili per modelli complessi come gradient boosting o reti neurali.
4. Coefficienti di correlazione: Misure statistiche semplici come la correlazione di Pearson o Spearman possono dare indicazioni sulla relazione lineare tra ogni feature e la variabile target.

Capire l'importanza delle feature è cruciale per ottimizzare il modello, ridurre l'overfitting rimuovendo le variabili non informative e migliorare l'interpretabilità, soprattutto in ambiti in cui comprendere il processo decisionale del modello è fondamentale.

Che cos'è l'overfitting nel machine learning e come si può evitare?

L'overfitting si verifica quando un modello va bene sui dati di training ma non generalizza ai dati non visti perché ha memorizzato i dati di training invece di apprenderne i pattern sottostanti. Si può evitare:

• Usando tecniche di cross-validation.
• Applicando la regolarizzazione (L1, L2).
• Riducendo la complessità del modello.
• Raccogliendo più dati di training o usando data augmentation.

Qual è la differenza tra apprendimento supervisionato e non supervisionato?

• Apprendimento supervisionato: Il modello è addestrato su dati etichettati, in cui la variabile target è nota. Esempi: classificazione e regressione.
• Apprendimento non supervisionato: Il modello è addestrato su dati non etichettati per trovare pattern o raggruppamenti. Esempi: clustering e riduzione della dimensionalità.

Che cos'è una matrice di confusione e perché è utile?

La matrice di confusione è una tabella usata per valutare le prestazioni di un modello di classificazione. Mostra i conteggi di veri positivi, veri negativi, falsi positivi e falsi negativi. È utile per calcolare metriche come accuratezza, precisione, richiamo e F1 score.

Qual è la differenza tra modelli parametrici e non parametrici?

Modelli parametrici: Fanno ipotesi sulla distribuzione sottostante dei dati e hanno un numero fisso di parametri (ad es. Regressione Lineare).

Modelli non parametrici: Non fanno ipotesi sulla distribuzione dei dati e possono adattarsi alla complessità man mano che si aggiungono dati (ad es. K-Nearest Neighbors).

Che cos'è il trade-off bias-varianza nel machine learning?

Il trade-off bias-varianza riguarda l'equilibrio tra la capacità di un modello di catturare pattern complessi (basso bias) e la sua sensibilità alle fluttuazioni nei dati di training (bassa varianza). Un buon modello trova un equilibrio minimizzando sia bias sia varianza, evitando underfitting e overfitting.

Domande tecniche di colloquio sul Machine Learning

La sessione tecnica serve soprattutto a valutare la tua conoscenza dei processi e quanto sei preparato a gestire l'incertezza. Il responsabile delle assunzioni porrà domande su data processing, addestramento e validazione dei modelli e algoritmi avanzati.

È vero che dobbiamo scalare i valori delle feature quando variano molto?

Sì. La maggior parte degli algoritmi usa la distanza euclidea tra i punti dati, e se il valore delle feature varia molto, i risultati saranno molto diversi. Nella maggior parte dei casi, gli outlier fanno peggiorare le prestazioni dei modelli sul dataset di test. 

Usiamo anche il feature scaling per ridurre il tempo di convergenza. Il gradiente discendente impiegherà più tempo a raggiungere i minimi locali quando le feature non sono normalizzate. 

Gradiente senza e con scaling | Quora

Le competenze di feature engineering sono molto richieste. Puoi imparare tutto sull'argomento con un corso DataCamp, ad esempio Feature Engineering for Machine Learning in Python.  

Il modello che hai addestrato ha basso bias e alta varianza. Come affronteresti il problema?

Il basso bias si verifica quando il modello predice valori vicini a quelli reali. Sta imitando il dataset di training. Il modello non generalizza, il che significa che, se testato su dati non visti, darà risultati scadenti. 

Basso bias e alta varianza | Autore

Per risolvere questi problemi, useremo algoritmi di bagging, poiché dividono un set di dati in sottoinsiemi usando campionamento randomizzato. Poi generiamo insiemi di modelli usando questi campioni con un singolo algoritmo. Successivamente, combiniamo le predizioni dei modelli con voting (classificazione) o media (regressione).

Per l'alta varianza, possiamo usare tecniche di regolarizzazione. Penalizzano coefficienti elevati per ridurre la complessità del modello. Inoltre, possiamo selezionare le feature principali dal grafico di importanza e addestrare il modello. 

Che cos'è il Model Drift e come lo rilevi in produzione?

Il model drift si verifica quando le prestazioni di un modello peggiorano nel tempo perché i dati reali cambiano rispetto a quelli di training. Esistono due tipi principali:

• Data drift (Covariate shift): La distribuzione dei dati in input cambia (ad es., gli utenti iniziano a caricare immagini di notte invece che di giorno). Lo rilevi monitorando la distanza statistica (come la KL Divergence) tra le distribuzioni delle feature in training e in produzione.
• Concept drift: Cambia la relazione tra input e output (ad es., la definizione di "spam" evolve nel tempo). Lo rilevi monitorando metriche di business a valle (come il click-through rate) o l'accuratezza rispetto alla ground truth, se disponibile.

Quale tecnica di cross-validation suggeriresti per un dataset di serie temporali e perché?

La cross-validation si usa per valutare in modo robusto le prestazioni del modello e prevenire l'overfitting. In genere, le tecniche di cross-validation selezionano casualmente campioni dai dati e li dividono in train e test. Il numero di suddivisioni dipende dal valore di K. 

Per esempio, se K = 5, ci saranno quattro fold per il train e uno per il test. Si ripete cinque volte per misurare le prestazioni del modello su fold separati.  

Non possiamo farlo con un dataset di serie temporali perché non ha senso usare valori dal futuro per prevedere il passato. Esiste una dipendenza temporale tra le osservazioni, e possiamo dividere i dati solo in un'unica direzione, in modo che i valori del test set vengano dopo il training set. 

Il diagramma mostra che lo split k-fold per serie temporali è unidirezionale. I punti blu sono il training set, il rosso è il test set e il bianco sono dati non usati. Come si vede, a ogni iterazione ci spostiamo in avanti con il training set, mentre il test set rimane davanti, non selezionato casualmente. 

Cross validation per serie temporali | UC Business Analytics R Programming Guide

Impara la manipolazione, l'analisi, la visualizzazione e il modeling dei dati di serie temporali seguendo Time Series with Python.

Domande di colloquio per ingegneria della Computer Vision

La maggior parte dei lavori di machine learning pubblicati su LinkedIn, Glassdoor e Indeed sono specifici per il ruolo. Di conseguenza, durante il colloquio si concentreranno su domande specifiche. Per il ruolo di computer vision engineer, il responsabile delle assunzioni si focalizzerà su domande di image processing. 

Perché gli input nei problemi di computer vision possono diventare enormi? Spiegalo con un esempio. 

Immagina un'immagine 250 X 250 e un primo livello nascosto completamente connesso con 1000 unità. Per questa immagine, le feature in input sono 250 X 250 X 3 = 187.500, e la matrice dei pesi al primo livello nascosto sarà una matrice di dimensione 187.500 X 1000. Questi numeri sono enormi per archiviazione e calcolo; per affrontare il problema usiamo le operazioni di convoluzione. 

Impara l'image processing con un breve corso Image Processing in Python

Quando hai un dataset piccolo, suggerisci un modo per addestrare una rete neurale convoluzionale.  

Se non hai abbastanza dati per addestrare una CNN, puoi usare il transfer learning per addestrare il modello e ottenere risultati allo stato dell'arte. Ti serve un modello pre-addestrato su un dataset generale ma più ampio. Dopodiché, lo affinerai sui nuovi dati addestrando gli ultimi layer del modello. 

Il transfer learning consente ai data scientist di addestrare modelli su pochi dati usando meno risorse, calcolo e storage. Puoi trovare facilmente modelli open-source pre-addestrati per vari casi d'uso; la maggior parte ha licenza commerciale, cioè puoi usarli per creare la tua applicazione. 

Transfer Learning di purnasai gudikandula

Che cos'è l'algoritmo di object detection all'avanguardia YOLO e come si è evoluta di recente la sua architettura?

YOLO è un algoritmo di object detection basato su reti neurali convoluzionali, in grado di fornire risultati in tempo reale. L'algoritmo YOLO richiede un'unica passata forward attraverso la CNN per riconoscere l'oggetto. Predice sia le probabilità delle varie classi sia i bounding box. 

Il modello è stato addestrato per rilevare vari oggetti e le aziende usano il transfer learning per affinarlo su nuovi dati per applicazioni moderne come guida autonoma, tutela della fauna selvatica e sicurezza. 

Architettura del modello YOLOv10 | researchgate

Domande di colloquio per ingegneria NLP

Il Natural Language Processing (NLP) è una delle basi delle moderne applicazioni di AI. Aspettati domande che collegano la teoria linguistica all'implementazione pratica, mettendo alla prova la tua capacità di elaborare, analizzare ed estrarre significato da testo non strutturato usando tecniche classiche e approcci di deep learning moderni.

Che cos'è l'Analisi Sintattica?

L'Analisi Sintattica, nota anche come Syntax analysis o Parsing, è un'analisi del testo che ci restituisce il significato logico dietro una frase o parte di essa. Si concentra sulla relazione tra le parole e sulla struttura grammaticale delle frasi. In altre parole, è l'elaborazione del linguaggio naturale usando regole grammaticali. 

Analisi Sintattica | researchgate

Cosa sono Stemming e Lemmatization?

Stemming e lemmatization sono tecniche di normalizzazione usate per minimizzare la variazione strutturale delle parole in una frase. 

Lo stemming rimuove gli affissi aggiunti alla parola e la lascia nella forma base. Per esempio, Changing diventa Chang. 

È ampiamente usato dai motori di ricerca per ottimizzare lo storage. Invece di memorizzare tutte le forme delle parole, memorizza solo gli stem. 

La lemmatization converte la parola nella sua forma lemma. L'output è la parola radice, non lo stem. Dopo la lemmatization otteniamo una parola valida che ha significato. Per esempio, Changing diventa Change.

Stemming vs. Lemmatization | Autore

Quali sono le tecniche moderne per ottimizzare la velocità di inferenza degli LLM in produzione?

Ottimizzare grandi transformer richiede di affrontare i colli di bottiglia sia di banda di memoria sia di calcolo:

• Quantizzazione: Ridurre i pesi del modello da FP16 (16-bit) a INT8 o INT4 con perdita minima di accuratezza. Consente di far entrare modelli più grandi in memorie GPU più piccole.​
• PagedAttention (vLLM): Una tecnica di gestione della memoria che tratta la cache KV (Key-Value) come pagine di memoria virtuale, consentendo un throughput 2-4x più alto eliminando la frammentazione della memoria.​
• Decoding speculativo: Usare un piccolo modello "bozza" per prevedere rapidamente i prossimi token, che vengono poi verificati in parallelo dal modello grande. Sfrutta il fatto che le operazioni di lettura/scrittura in memoria sono spesso più lente del calcolo per singoli token.

Impara le basi dell'NLP completando il percorso di competenze Natural Language Processing in Python . 

Domande di colloquio per ingegneria LLM

Poiché gli LLM dominano l'attuale panorama dell'AI, gli intervistatori danno priorità a candidati che sanno come distribuirli in modo efficace. Questa sezione si concentra su alcune delle maggiori sfide ingegneristiche pratiche del 2026.

Che cos'è una context window di un LLM e come gestisci compiti che richiedono più contesto di quanto il modello possa assumere in una volta?

La context window di un LLM è la quantità massima di testo (misurata in token) che il modello può considerare in una singola generazione, e limita direttamente quanta "memoria di lavoro" il modello ha a disposizione.

Anche se diventano comuni context window ampie, prestazioni e costi non scalano linearmente: prompt lunghi aumentano la latenza e possono comunque portare a problemi di affidabilità quando l'informazione rilevante è sepolta nel mezzo del contesto.

In un colloquio, risponderei spiegando strategie pratiche per attività su documenti lunghi:

• Usa il chunking (suddividere i documenti in sezioni semanticamente significative) e recupera solo i chunk più rilevanti per la domanda.​
• Preferisci la Retrieval-Augmented Generation (RAG) quando ti serve ancoraggio fattuale e recupero mirato, invece di inviare ogni volta l'intero documento: può ridurre i costi ed evitare il comportamento "lost in the middle".
• Usa riassunti o note gerarchiche (riassunto delle sezioni → riassunto dei riassunti) quando ti serve una visione globale, e poi recupera i dettagli su richiesta.​

Come mitighi le allucinazioni nei Large Language Model?

Le allucinazioni si verificano quando un LLM genera informazioni plausibili ma fattualmente errate. Nel 2026, la mitigazione richiede un approccio multilivello:

• Retrieval-Augmented Generation (RAG): Ancorare il modello costringendolo a rispondere solo sulla base di documenti recuperati da una knowledge base affidabile.
• Prompt engineering: Tecniche come la Chain-of-Thought (chiedere al modello di spiegare il ragionamento passo-passo) e il Few-Shot Prompting (fornire esempi verificati) riducono significativamente gli errori.
• Confidence scoring e self-consistency: Generare più risposte per lo stesso prompt e selezionare la più coerente, oppure chiedere al modello di valutare la propria confidenza prima di rispondere.​
• Guardrail: Implementare layer di post-processing (come NeMo Guardrails) per il fact-checking degli output secondo regole definite, prima di mostrarli all'utente.

Quando scegliere la Retrieval-Augmented Generation (RAG) rispetto al Fine-Tuning?

È una classica domanda di "trade-off". La decisione dipende dall'aggiornamento dei dati e dalla specificità del dominio:

• Scegli RAG quando: Hai bisogno che il modello acceda a informazioni aggiornate (ad es., prezzi azionari, notizie recenti) o a dati privati che cambiano spesso. RAG costa meno e riduce le allucinazioni perché fornisce al modello la risposta esatta nel contesto.​
• Scegli il Fine-Tuning quando: Hai bisogno che il modello impari un comportamento, uno stile o un formato specifico (ad es., parlare come un pirata o scrivere codice in un linguaggio interno proprietario). Il fine-tuning incorpora conoscenza nei pesi ma non risolve il problema del "knowledge cutoff".
• Approccio ibrido: In molti sistemi di produzione, fai fine-tuning per comprendere il gergo specifico del dominio e poi usi RAG per fornire i fatti più recenti.

La questione è approfondita nel nostro blog su RAG vs Fine-Tuning.

Domande di colloquio per ingegneria del Reinforcement Learning

Il Reinforcement Learning (RL) affronta problemi in cui un agente impara interagendo con un ambiente invece che da dataset statici. Preparati a spiegare come funziona l'RL e a illustrare concetti chiave come le policy.

Quali sono i passaggi coinvolti in un tipico algoritmo di Reinforcement Learning?

Il reinforcement learning usa tentativi ed errori per raggiungere obiettivi. È un algoritmo orientato all'obiettivo e impara dall'ambiente compiendo le mosse corrette per massimizzare la ricompensa cumulativa. 

In un tipico reinforcement learning:

1. All'inizio, l'agente riceve dallo stesso ambiente lo stato zero
2. In base allo stato, l'agente compie un'azione
3. Lo stato cambia e l'agente si trova in una nuova posizione nell'ambiente.
4. L'agente riceve la ricompensa se ha fatto la mossa corretta.
5. Il processo si ripete finché l'agente ha appreso il percorso migliore per raggiungere l'obiettivo massimizzando le ricompense cumulative.

Framework di Reinforcement Learning | Autore

Qual è la differenza tra apprendimento Off-Policy e On-Policy?

Gli algoritmi On-Policy valutano e migliorano la stessa policy con cui agiscono e che aggiornano. In altre parole, la policy usata per l'aggiornamento e quella usata per agire sono le stesse. 

Target Policy == Behavior Policy

Gli algoritmi On-Policy includono Sarsa, Monte Carlo On-Policy, Value Iteration e Policy Iteration

Gli algoritmi Off-Policy sono completamente diversi, poiché la policy aggiornata è diversa dalla behavior policy. Per esempio, nel Q-learning l'agente apprende una policy ottimale con l'aiuto di una greedy policy e agisce usando altre policy. 

Target Policy != Behavior Policy

Caso On-policy vs. Off-policy | Artificial Intelligence Stack Exchange

Perché abbiamo bisogno del Q learning "Deep"?

Il Q learning semplice è ottimo. Risolve il problema su piccola scala, ma su larga scala fallisce. 

Immagina che l'ambiente abbia 1000 stati e 1000 azioni per stato. Servirebbe una tabella Q con milioni di celle. Il gioco degli scacchi o del Go richiederebbe una tabella ancora più grande. È qui che entra in gioco il Deep Q-learning. 

Usa una rete neurale per approssimare la funzione di valore Q. La rete neurale riceve gli stati in input e restituisce i Q-value di tutte le azioni possibili. 

Deep Q-network per guida autonoma | researchgate

Domande da colloquio per Machine Learning Engineer nelle FAANG

Di seguito abbiamo elencato alcune possibili domande che l'intervistatore potrebbe porti in alcune delle principali aziende tech: 

Qual è l'interpretazione dell'area sotto la curva ROC?

Le receiver operating characteristics (ROC) mostrano il trade-off tra sensibilità e specificità. 

• Sensibilità: è la probabilità che il modello predica un esito positivo quando il valore reale è positivo. 
• Specificità: è la probabilità che il modello predica un esito negativo quando il valore reale è negativo.

La curva è tracciata usando il tasso di falsi positivi (FP/(TN + FP)) e il tasso di veri positivi (TP/(TP + FN))

L'area sotto la curva (AUC) indica le prestazioni del modello. Se l'area sotto la ROC è 0,5, allora il nostro modello è completamente casuale. Un modello con AUC vicino a 1 è migliore.

Curva ROC di Hadrien Jean

Come valuti i modelli di Generative AI quando non esiste una singola "ground truth"?

A differenza della classificazione (dove una risposta è giusta o sbagliata), GenAI spesso richiede valutazione umana o framework "LLM-as-a-Judge":

• Metriche senza riferimento: Usare un modello più forte (come GPT-4) per valutare la risposta di un modello più piccolo su criteri come "utilità", "sicurezza" e "coesione".
• RAGAS (Retrieval Augmented Generation Assessment): Un framework standard che misura specificamente la "fedeltà" (la risposta proviene dal contesto?) e la "rilevanza della risposta" (ha risposto alla domanda dell'utente?).​
• Valutazione umana (Elo Ratings): Per la validazione finale, confrontare due output di modelli affiancati (A/B test) e calcolare un rating Elo, simile alla classifica LMArena.

Quali sono i metodi per ridurre la dimensionalità?

Per la riduzione della dimensionalità possiamo usare metodi di selezione o di estrazione delle feature. 

La selezione delle feature è il processo di scelta delle variabili ottimali ed eliminazione di quelle irrilevanti. Usiamo metodi Filter, Wrapper ed Embedded per analizzare l'importanza delle feature e rimuovere quelle meno importanti per migliorare le prestazioni del modello. 

L'estrazione delle feature trasforma uno spazio a molte dimensioni in uno con meno dimensioni. Durante il processo non si perde informazione e si usano meno risorse per elaborare i dati. Le tecniche più comuni di estrazione sono Linear Discriminant Analysis (LDA), Kernel PCA e Quadratic Discriminant Analysis.

Come trovi le soglie per un classificatore?

Nel caso di un classificatore di spam, un modello di regressione logistica restituirà una probabilità. Possiamo usare tale probabilità, ad esempio 0,8999, oppure convertirla in classe (Spam/Non Spam) usando una soglia. 

Di solito la soglia di un classificatore è 0,5, ma in alcuni casi va ottimizzata per migliorare l'accuratezza. La soglia 0,5 significa che, se la probabilità è pari o superiore a 0,5, è spam; se inferiore, non è spam.  

Per trovare la soglia, possiamo usare le curve Precision-Recall e ROC, la grid search o modificare manualmente il valore per ottenere una CV migliore.  

Diventa un machine learning engineer professionista completando il percorso Machine Learning Scientist with Python. 

Quali sono le assunzioni della regressione lineare?

La regressione lineare è usata per comprendere la relazione tra feature (X) e target (y). Prima di addestrare il modello, dobbiamo soddisfare alcune assunzioni:

1. I residui sono indipendenti 
2. Esiste una relazione lineare tra la variabile indipendente X e la variabile dipendente y. 
3. Varianza dei residui costante a ogni livello di X
4. I residui sono distribuiti normalmente. 

Nota: i residui nella regressione lineare sono la differenza tra valori reali e predetti. 

Scrivi una funzione find_bigrams che prenda una stringa e restituisca un elenco di tutti i bigrammi.

Durante i colloqui di coding ti verranno poste domande di machine learning, ma in alcuni casi valuteranno le tue competenze Python con domande generali di programmazione. Diventa un esperto programmatore Python seguendo il percorso Python Programmer. 

Creare una funzione per i bigrammi è piuttosto semplice. Devi usare due cicli con la funzione zip. 

1. Nella funzione bigram, prendiamo come input un elenco di frasi
2. Creiamo un ciclo per accedere a una singola frase
3. Convertiamo in minuscolo e suddividiamo la frase in un elenco di parole
4. Usiamo zip per creare la combinazione della parola precedente e di quella successiva
5. Aggiungiamo l'output al risultato 
6. Stampiamo i risultati.

È piuttosto semplice se scomponi il problema e usi 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))

Risultati: 

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

Che cos'è la funzione di attivazione nel Machine Learning?

La funzione di attivazione è una trasformazione non lineare nelle reti neurali. Passiamo l'input attraverso la funzione di attivazione prima di inviarlo allo strato successivo. 

Il valore di input netto può essere qualsiasi cosa tra -inf e +inf, e il neurone non sa come limitare i valori, risultando incapace di decidere il pattern di attivazione. La funzione di attivazione decide se un neurone debba attivarsi o meno per limitare i valori netti in input.  

Tipi più comuni di funzioni di attivazione:

• Funzione a gradino (Step)
• Sigmoide
• ReLU
• Leaky ReLU 

Come costruiresti una raccomandazione di ristoranti su Facebook?

La risposta dipende da te. Ma prima di rispondere, devi considerare quale obiettivo di business vuoi raggiungere per definire una metrica di prestazione e come acquisirai i dati. 

In un tipico system design di machine learning, noi:

• Raccogliamo, puliamo e analizziamo i dati.
• Eseguiamo feature engineering
• Selezioniamo una metodologia, un algoritmo o un modello di machine learning
• Addestriamo e valutiamo le prestazioni su dataset di test e validazione.
• Ottimizziamo i processi e distribuiamo il modello in produzione.

Assicurati di concentrarti sul design più che sulla teoria o sull'architettura del modello. Parla dell'inferenza del modello e di come migliorarla aumenterà i ricavi complessivi. 

Fornisci anche una panoramica del perché hai scelto una certa metodologia rispetto a un'altra. 

Scopri di più su come costruire sistemi di raccomandazione seguendo un corso su DataCamp.

Date due stringhe A e B, scrivi una funzione can_shift che restituisca se A può essere spostata di un certo numero di posizioni per ottenere B.

Risolvere sfide di programmazione e lavorare sulle tue abilità in Python aumenterà le possibilità di superare la fase di coding interview. 

Prima di metterti a risolvere il problema, capisci bene la domanda. Devi semplicemente creare una funzione booleana che restituisca True se, spostando le lettere nella stringa B, ottieni la stringa A.  

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

• Restituisci false se la lunghezza delle stringhe non è uguale. 
• Cicla sull'intervallo della lunghezza della stringa A
• Crea mut_a per generare varie combinazioni di caratteri usando la stringa A
• Durante il ciclo, se mut_a è uguale alla stringa B restituisci True, altrimenti 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

Che cos'è l'Ensemble learning?

L'ensemble learning combina gli insight di più modelli di machine learning per migliorare accuratezza e metriche di prestazione. 

Metodi di ensemble semplici:

• Media/average: facciamo la media delle predizioni di più modelli ad alte prestazioni.
• Media pesata: assegniamo pesi diversi ai modelli in base alle prestazioni e poi li combiniamo.  

Metodi di ensemble avanzati:

• Il bagging riduce gli errori di varianza. Crea casualmente sottoinsiemi di training e li addestra su modelli. La combinazione dei modelli riduce la varianza e li rende più affidabili rispetto a un singolo modello. 
• Il boosting riduce gli errori di bias e produce modelli predittivi superiori. È una tecnica iterativa che aggiusta i pesi in base all'ultima classificazione. Gli algoritmi di boosting danno più peso alle osservazioni che il modello precedente ha classificato in modo errato.

Bagging e Boosting di Fernando López

Scopri di più su averaging, bagging, stacking e boosting completando il corso Ensemble Methods in Python. 

Conclusione

Concludendo la nostra esplorazione delle domande essenziali di colloquio sul machine learning, è evidente che per avere successo servono un mix di conoscenze teoriche, competenze pratiche e consapevolezza delle ultime tendenze e tecnologie del settore. Dalla comprensione di concetti base come l'apprendimento semi-supervisionato e la scelta degli algoritmi, fino ad affrontare le complessità di algoritmi specifici come KNN e le sfide legate al ruolo in NLP, computer vision o reinforcement learning, l'ambito è vasto.

Che tu sia un principiante che vuole entrare nel settore o un professionista esperto che punta a fare un salto avanti, apprendimento continuo ed esercizio sono la chiave. DataCamp offre un percorso completo Machine Learning Scientist with Python che fornisce un modo strutturato e approfondito per migliorare le tue competenze.