機械学習エンジニア 技術面接 想定質問集

モデル・アルゴリズム関連

1. 教師あり学習と教師なし学習の違いは？

   • データにラベルがあるかないかの違い

2. 過学習とは何ですか？

   • モデルがトレーニングデータに過剰に適合し、汎化性能が低下する現象

3. バイアス・バリアントトレードオフとは？

   • モデルの複雑さと予測精度のバランスを表す概念

4. L1とL2正則化の違いは？

   • L1はスパース性、L2は全体的な重みの縮小を促進

5. ランダムフォレストの利点は？

   • アンサンブル学習により、過学習を防ぎ、予測性能が高い

6. サポートベクトルマシン(SVM)の主な特徴は？

   • マージン最大化による高い汎化性能

7. K-meansクラスタリングの仕組みは？

   • データポイントを最も近い重心に割り当て、繰り返し重心を更新

8. 勾配降下法の種類は？

   • バッチ、確率的(SGD)、ミニバッチ勾配降下法がある

9. ディープラーニングと従来の機械学習の違いは？

   • 特徴量の自動抽出と多層ニューラルネットワーク

10. 決定木の欠点は？

    • データに敏感で、過学習しやすい

データ関連

11. データの前処理で重要なステップは？

    • 欠損値処理、特徴量スケーリング、エンコーディング

12. データの次元削減手法は？

    • PCA、t-SNE、LDA

13. アンダーサンプリングとオーバーサンプリングの違いは？

    • クラス不均衡を解消するためのデータ操作手法

14. クロスバリデーションの目的は？

    • モデルの汎化性能を正確に評価すること

15. 外れ値への対処方法は？

    • 削除、変換、ロバスト統計量の使用

評価指標関連

16. 分類問題の評価指標は？

    • 正確度、精度、再現率、F1スコア、ROC曲線

17. 回帰問題の評価指標は？

    • MAE、MSE、RMSE、R²スコア

18. 混同行列とは？

    • 分類モデルの予測結果を表形式で表現

フレームワーク・ツール

19. Scikit-learnの主な特徴は？

    • 統一的なAPIと豊富な機械学習アルゴリズム

20. Kerasとの違いは？

    • TensorFlowやPyTorchと比較したニューラルネットワークの実装レベル

実践的質問

21. モデル選択の基準は？

    • データの特性、計算コスト、解釈可能性

22. 実務でよく直面する課題は？

    • データ品質、モデルの説明可能性、継続的な性能モニタリング

最新トレンド

23. 転移学習とは？

    • 事前学習したモデルを別のタスクに適用する技術

24. 生成系AIの現状は？

    • 大規模言語モデルと画像生成モデルの急速な発展

スキル関連

25. GitHubでのポートフォリオの重要性は？
    • 実践的なプロジェクトと技術的スキルの証明