Junior AI/ML Engineer — KI/ML-Ingenieur Interviewfragen

Was ist der Unterschied zwischen Supervised, Unsupervised und Reinforcement Learning?

Supervised Learning trainiert mit gelabelten Eingabe-Ausgabe-Paaren, etwa der Vorhersage von Hauspreisen aus Merkmalen. Unsupervised Learning findet Struktur in ungelabelten Daten, etwa das Clustern von Kunden in Segmente. Reinforcement Learning trainiert einen Agenten, Aktionen auszuführen, die ein Belohnungssignal über die Zeit maximieren, wie einen spielenden Bot — es gibt keine gelabelten Beispiele, nur Feedback aus der Umgebung.

Was ist Overfitting?

Ein überangepasstes Modell hat die Trainingsdaten samt Rauschen zu gut gelernt, sodass es auf Trainingsdaten super, auf neuen Daten aber schlecht abschneidet. Ein klassisches Zeichen ist eine große Lücke zwischen Trainings- und Validierungsgenauigkeit. Die Behebung beginnt meist damit, mehr Daten zu beschaffen oder das Modell zu vereinfachen, bevor man zu ausgefeilterer Regularisierung greift.

Was ist eine Loss-Funktion?

Eine Loss-Funktion misst, wie falsch die Vorhersage eines Modells im Vergleich zum wahren Wert ist — Mean Squared Error bei Regression, Cross-Entropy bei Klassifikation. Training ist buchstäblich der Prozess, die Parameter des Modells so anzupassen, dass diese Zahl kleiner wird. Die Wahl der Loss-Funktion bestimmt, worauf das Modell tatsächlich optimiert, weshalb die falsche Wahl still und leise das falsche Modell erzeugt.

Was bedeuten Precision und Recall?

Precision heißt: von allem, was das Modell als positiv markiert hat, wie viel war tatsächlich positiv. Recall heißt: von allem, was tatsächlich positiv war, wie viel hat das Modell erwischt. Ein auf hohe Precision getunter Spamfilter übersieht weniger echte E-Mails, lässt aber mehr Spam durch; auf hohen Recall getunt fängt er mehr Spam ab, markiert aber auch mehr echte E-Mails fälschlich — der Trade-off ist immer da.

Wofür werden NumPy und pandas verwendet?

NumPy liefert schnelle Array-Operationen in Python, indem es Daten als vektorisierte Arrays statt in langsamen Python-Schleifen verarbeitet — fast jede ML-Bibliothek baut darauf auf. Pandas baut auf NumPy auf und liefert DataFrames — beschriftete, tabellarische Daten, die man filtern, gruppieren, verknüpfen und bereinigen kann, und genau dort findet der Großteil der realen Datenarbeit statt, bevor ein Modell die Daten überhaupt sieht.