oppsumering

Question 1

Hva er data science?

Answer 1

Bruk av vitenskapelige metoder, statistikk og algoritmer for å hente innsikt fra data.

Question 2

Hva kombinerer data science?

Answer 2

Datavitenskap, matematikk/statistikk og domenekunnskap.

Question 3

Hva er strukturerte data?

Answer 3

Data i tabellformat med rader og kolonner.

Question 4

Hva er ustrukturerte data?

Answer 4

Tekst, bilder, lyd og video.

Question 5

Hva er kontinuerlig variabel?

Answer 5

Kan ta alle verdier i et intervall.

Question 6

Hva er diskret variabel?

Answer 6

Kan bare ta bestemte verdier.

Question 7

Hva er nominal variabel?

Answer 7

Kategorisk uten rekkefølge.

Question 8

Hva er ordinal variabel?

Answer 8

Kategorisk med rekkefølge.

Question 9

Hvordan oppsummere ordinal data best?

Answer 9

Median.

Question 10

Hva er EDA?

Answer 10

Utforske data uten sterke antagelser.

Question 11

Hvorfor gjøre EDA før modellering?

Answer 11

Forstå struktur og oppdage feil.

Question 12

Hva er stokastisk variabel?

Answer 12

Variabel med usikkert utfall.

Question 13

Hva er forventningsverdi?

Answer 13

Gjennomsnittlig utfall over mange repetisjoner.

Question 14

Hva er varians?

Answer 14

Spredning rundt gjennomsnitt.

Question 15

Hva er normalfordeling viktig for?

Answer 15

Modellering og statistisk inferens.

Question 16

Hva sier sentralgrenseteoremet?

Answer 16

Gjennomsnitt blir normalfordelt ved stort utvalg.

Question 17

Hva er korrelasjon?

Answer 17

Lineær sammenheng mellom variabler.

Question 18

Hva betyr korrelasjon ≠ kausalitet?

Answer 18

Sammenheng betyr ikke årsak.

Question 19

Hva er Simpson’s paradoks?

Answer 19

Aggregert trend motsier delgruppetrend.

Question 20

Hva er MCAR?

Answer 20

Manglende data helt tilfeldig.

Question 21

Hva er MAR?

Answer 21

Manglende avhenger av observerte variabler.

Question 22

Hva er MNAR?

Answer 22

Manglende avhenger av uobserverte variabler.

Question 23

Hva er imputasjon?

Answer 23

Erstatte manglende verdier.

Question 24

Hva er mean/median imputasjon best for?

Answer 24

MCAR.

Question 25

Hva er missing indicator brukt til?

Answer 25

MNAR.

Question 26

Hva er feature engineering?

Answer 26

Lage nye nyttige variabler.

Question 27

Hva er OneHot encoding?

Answer 27

Gjør kategorier om til binære variabler.

Question 28

Hva er leakage?

Answer 28

Testinfo brukes under trening.

Question 29

Hva er modellens mål?

Answer 29

Generalisere til ny data.

Question 30

Hva er overtilpasning?

Answer 30

Lærer støy i treningsdata.

Question 31

Hva er undertilpasning?

Answer 31

For enkel modell.

Question 32

Hva brukes valideringsdata til?

Answer 32

Velge modell/hyperparametre.

Question 33

Hva brukes testdata til?

Answer 33

Endelig evaluering.

Question 34

Hva er MSE?

Answer 34

Gjennomsnitt kvadrert feil.

Question 35

Hva er RMSE fordel?

Answer 35

Samme enhet som målvariabel.

Question 36

Hva er MAE fordel?

Answer 36

Robust mot uteliggere.

Question 37

Hva er regresjon?

Answer 37

Predikere numerisk verdi.

Question 38

Hva er klassifikasjon?

Answer 38

Predikere kategori.

Question 39

Hva er baseline modell?

Answer 39

Enkel referansemodell.

Question 40

Hva er logistisk regresjon?

Answer 40

Modellerer klassesannsynlighet.

Question 41

Hva er kNN?

Answer 41

Bruker nærmeste naboer.

Question 42

Hva er accuracy problem?

Answer 42

Misvisende ved ubalanserte data.

Question 43

Hva er presisjon?

Answer 43

Andel riktige positive.

Question 44

Hva er recall?

Answer 44

Andel funnet av faktiske positive.

Question 45

Hva er F1-score?

Answer 45

Balanse presisjon og recall.

Question 46

Hva er klyngeanalyse?

Answer 46

Finne grupper uten fasit.

Question 47

Hva er hypotesetest?

Answer 47

Teste påstand statistisk.

Question 48

Hva er p-verdi?

Answer 48

Sannsynlighet for data gitt nullhypotese.

Question 49

Hva er A/B test?

Answer 49

Randomisert eksperiment.

Question 50

Hva viser RCT?

Answer 50

Kausal effekt.

Question 51

Hva kan observasjonsstudier vise?

Answer 51

Sammenheng, ikke årsak.

Question 52

Hva er kohortstudie?

Answer 52

Følge gruppe over tid.

Question 53

Hva er case-control studie?

Answer 53

Start med utfall og se bakover.

Question 54

Hva er bias i data?

Answer 54

Skjev representasjon.

Question 55

Hva er modellbias?

Answer 55

Feil antagelser i modell.

Question 56

Hvordan redusere bias?

Answer 56

Representative data og evaluering per gruppe.

Question 57

Hva er anbefalingssystem?

Answer 57

Foreslår relevante varer.

Question 58

Hva er innholdsbasert filtrering?

Answer 58

Basert på brukerens historikk.

Question 59

Hva er samarbeidsbasert filtrering?

Answer 59

Basert på lignende brukere.

Question 60

Fordel innholdsbasert?

Answer 60

Kan anbefale nye varer.

Question 61

Fordel samarbeidsbasert?

Answer 61

Trenger ikke vareprofiler.

Question 62

Hva er cold start problem?

Answer 62

Ingen historikk.

Question 63

Hva er beste evaluering av anbefaling?

Answer 63

A/B test.

Question 64

Hva er viktigere enn accuracy i anbefaling?

Answer 64

Rangering/diversitet.

Question 65

Hva er god datakommunikasjon?

Answer 65

Tilpasset publikum.

Question 66

Hva må alltid forklares?

Answer 66

Usikkerhet og begrensninger.

Question 67

Hva er målet med presentasjon?

Answer 67

Skape handling.

Question 68

Hva er reproduserbarhet?

Answer 68

Samme resultat ved ny kjøring.

Question 69

Hvordan sikre reproduserbarhet?

Answer 69

Fast seed og versjonskontroll.

Question 70

Hva er implementasjon?

Answer 70

Ta modell i bruk.

Question 71

Hva er minimal ML-pipeline?

Answer 71

Input → preprocessing → modell → output.

Question 72

Hva må overvåkes i drift?

Answer 72

Ytelse over tid.

Question 73

Hva er modell-drift problem?

Answer 73

Data drift og degradering.