1.

Overfit, underfit, hubungan dengan jumlah fitur, penyebab dan cara mengatasinya
2. Metric eval regresi dan klasifikasi
3. Jumlah Kombinasi hyperparameter grid dan random searchcv
4. Rumus linear regression
5. Kelemahan recommender system
6. Pemahaman PCA
7. Pemahaman decision tree beserta parameter
8. Confusion matrix, false positive dan false negative
9. Macam2 model supervised dan unsupervised learning
10. DB Scan, pengertian, cara kerja, parameter
11. Apa itu dan cara mengatasi imbalance class
12. Mengatasi missing value
13. Business question yang bersifat inference
14. Proses dalam melakukan splitting data
15. Menentukan ARIMA
16. Rumus salah satu error dalam code
17. Metode ensemble seperti apa dan bagaimana penerapannya
18. Data maturity level perusahaan dalam menyikapi data
19. Cara kerja Collaborative filtering
20. cara kerja encoder
21. Text mining n-grams, output
22. Teknik-teknik pada K-Means Clustering
23. Metode Least Squares
24. Apa saja dan cara kerja feature selection
25. Implementasikan spam detection system
26. Bobot tf-idf tertinggi
27. Apa itu interpretable dan explainable machine learning, apa saja bentuk penyajiannya