← All topics / सभी विषय
Interview preparation / साक्षात्कार अभ्यास

Machine Learning

80 questions / प्रश्न · 8 sections

ML Fundamentals Q1–15

  1. What is Machine Learning?Machine Learning क्या है?
  2. What is the difference between AI, ML and Deep Learning?AI, ML और Deep Learning में क्या अंतर है?
  3. What is the difference between Supervised, Unsupervised and Reinforcement Learning?Supervised, Unsupervised और Reinforcement Learning में क्या अंतर है?
  4. What is the difference between Classification and Regression?Classification और Regression में क्या अंतर है?
  5. What is Features and Target?Features और Target क्या होते हैं?
  6. What is Training data and Testing data?Training data और Testing data क्या है?
  7. What is the difference between Training, Validation and Test set?Training, Validation और Test set में क्या अंतर है?
  8. What is ML workflow ke major steps?ML workflow के major steps क्या हैं?
  9. What is Model?Model क्या होता है?
  10. What is Training?Training क्या होती है?
  11. What is Inference?Inference क्या होता है?
  12. What is the difference between Parameters and Hyperparameters?Parameters और Hyperparameters में क्या अंतर है?
  13. What is Feature Engineering?Feature Engineering क्या है?
  14. What is Data Leakage?Data Leakage क्या है?
  15. What is ML pipeline?ML pipeline क्या होती है?

Data Preprocessing Q16–25

  1. How do you handle Missing values ko?Missing values को कैसे handle करेंगे?
  2. Explain Mean, Median Mode imputation kab.Mean, Median और Mode imputation कब उपयोग करेंगे?
  3. How do you handle Outliers kya hain aur?Outliers क्या हैं और कैसे handle करेंगे?
  4. What is Feature Scaling?Feature Scaling क्या है?
  5. What is the difference between Normalization and Standardization?Normalization और Standardization में क्या अंतर है?
  6. What is Encoding?Encoding क्या है?
  7. How do Label Encoding and One-Hot Encoding differ?Label Encoding vs One-Hot Encoding?
  8. How do you handle High-cardinality categorical features ko?High-cardinality categorical features को कैसे handle करेंगे?
  9. Why is Train-test split important?Train-test split क्यों करते हैं?
  10. Why is Preprocessing training data par hi fit important?Preprocessing को training data पर hi fit क्यों करना चाहिए?

Linear & Logistic Regression Q26–34

  1. What is Linear Regression?Linear Regression क्या है?
  2. What is Linear Regression ka basic equation?Linear Regression का basic equation क्या है?
  3. What is Cost/Loss function?Cost/Loss function क्या होता है?
  4. What is MSE?MSE क्या है?
  5. What is Gradient Descent?Gradient Descent क्या है?
  6. What is Linear Regression ki assumptions?Linear Regression की assumptions क्या हैं?
  7. What is Logistic Regression?Logistic Regression क्या है?
  8. How does Logistic Regression classification ke liye work?Logistic Regression classification के लिए कैसे काम करती है?
  9. What is Sigmoid function?Sigmoid function क्या है?

Decision Tree & Random Forest Q35–43

  1. What is Decision Tree?Decision Tree क्या है?
  2. How would you approach Decision Tree splitting?Decision Tree में splitting कैसे होती है?
  3. What is Gini Impurity?Gini Impurity क्या है?
  4. What is Entropy and Information Gain?Entropy और Information Gain क्या हैं?
  5. Why is Decision Tree overfit important?Decision Tree overfit क्यों करता है?
  6. How would you approach Tree regularize karenge?Tree को regularize कैसे karenge?
  7. What is Random Forest?Random Forest क्या है?
  8. What is the difference between Random Forest and Decision Tree?Random Forest और Decision Tree में क्या अंतर है?
  9. How would you approach Random Forest overfitting reduce?Random Forest overfitting को कैसे reduce करता है?

KNN, SVM & Naive Bayes Q44–51

  1. What is KNN?KNN क्या है?
  2. How would you approach K value choose?K का value कैसे choose करेंगे?
  3. Why is KNN feature scaling important important?KNN में feature scaling important क्यों है?
  4. What is SVM?SVM क्या है?
  5. What is Hyperplane and Margin?Hyperplane और Margin क्या होते हैं?
  6. What is Kernel trick?Kernel trick क्या है?
  7. What is Naive Bayes?Naive Bayes क्या है?
  8. What is Naive Bayes mein "Naive" assumption?Naive Bayes में "Naive" assumption क्या है?

Clustering & PCA Q52–60

  1. What is Clustering?Clustering क्या है?
  2. How does K-Means work?K-Means कैसे काम करता है?
  3. How would you approach K-Means K choose?K-Means में K कैसे choose करेंगे?
  4. What is Elbow Method?Elbow Method क्या है?
  5. What is Silhouette Score?Silhouette Score क्या है?
  6. What is K-Means ki limitations?K-Means की limitations क्या हैं?
  7. What is DBSCAN?DBSCAN क्या है?
  8. What is PCA?PCA क्या है?
  9. How would you approach PCA dimensionality reduction?PCA dimensionality reduction कैसे करता है?

Overfitting, Regularization & Bias- Variance Q61–68

  1. What is Overfitting?Overfitting क्या है?
  2. What is Underfitting?Underfitting क्या है?
  3. How do you detect Overfitting and Underfitting?Overfitting और Underfitting कैसे detect करेंगे?
  4. What is Bias and Variance?Bias और Variance क्या हैं?
  5. What is Bias-Variance Tradeoff?Bias-Variance Tradeoff क्या है?
  6. What is the difference between L1 and L2 Regularization?L1 और L2 Regularization में क्या अंतर है?
  7. What is the difference between Lasso and Ridge Regression?Lasso और Ridge Regression में क्या अंतर है?
  8. How would you approach Model overfitting bachayenge?Model को overfitting से कैसे bachayenge?

Model Evaluation & Metrics Q69–80

  1. What is Confusion Matrix?Confusion Matrix क्या है?
  2. What is Accuracy?Accuracy क्या है?
  3. What is Precision?Precision क्या है?
  4. What is Recall?Recall क्या है?
  5. What is F1 Score?F1 Score क्या है?
  6. Explain Precision Recall tradeoff.Precision और Recall में tradeoff?
  7. What is ROC-AUC?ROC-AUC क्या है?
  8. Explain Classification kaunsa metric kab choose.Classification में kaunsa metric कब choose करेंगे?
  9. What is the difference between Regression ke liye MAE, MSE, RMSE and R²?Regression के लिए MAE, MSE, RMSE और R² में क्या अंतर है?
  10. How do you evaluate Imbalanced dataset ko?Imbalanced dataset को कैसे evaluate करेंगे?
  11. What is Cross-Validation?Cross-Validation क्या है?
  12. Describe Real-world ML project mein model selection and evaluation ka complete process.Real-world ML project में model selection और evaluation का complete process समझाएँ.