Q01평가 설계
정확도가 높은데 실제 서비스에서 실패하는 이유는요?
핵심평가 데이터의 대표성, 클래스 불균형, 배포 조건과 오류 비용을 확인해요.
답변 예시와 꼬리질문 보기
말로 풀어 설명하면
정확도 하나로 어떤 오류가 나는지는 알기 어렵습니다. 정상 데이터가 대부분이면 중요한 이상 사례를 놓쳐도 점수가 높을 수 있어요. 실제 사용 분포와 오류별 비용을 먼저 보고, 클래스별 지표와 실패 사례를 함께 확인하겠습니다.
답변할 때 주의할 점
정확도와 실제 업무 성과가 같은 지표라고 생각하기
예상 꼬리질문
- 희귀한 불량을 놓치는 비용이 크면 어떤 지표를 보나요?
- 임곗값을 바꾸면 무엇이 달라지나요?
Q02데이터 누수
정규화를 데이터 분할 전에 해도 괜찮나요?
핵심평가 데이터에서 추정한 통계가 학습 과정에 들어가면 누수가 될 수 있어요.
답변 예시와 꼬리질문 보기
말로 풀어 설명하면
평균이나 표준편차를 학습하는 전처리는 학습 데이터에만 맞추겠습니다. 그 변환을 검증 데이터에 적용해야 해요. 같은 사람이나 같은 사건의 샘플이 양쪽에 섞이지 않는지도 별도로 보겠습니다.
답변할 때 주의할 점
레이블을 쓰지 않는 전처리라서 누수가 없다고 단정하기
예상 꼬리질문
- 교차검증에서는 전처리를 어디에서 fit하나요?
- 동일 사용자의 데이터가 나뉘면 어떤 문제가 생기나요?
Q03일반화
과적합과 과소적합은 어떻게 구분하나요?
핵심학습·검증 오차의 크기와 차이를 보고 데이터 문제도 함께 확인해요.
답변 예시와 꼬리질문 보기
말로 풀어 설명하면
학습은 잘되는데 새 데이터에서 크게 나빠지면 과적합을 의심할 수 있어요. 둘 다 나쁘면 모델 표현력이나 특징, 최적화 문제를 확인하겠습니다. 오차만 보고 결론내리지 않고 학습 곡선과 분할 방식도 같이 보겠습니다.
답변할 때 주의할 점
검증 점수가 낮다는 이유만으로 무조건 모델을 크게 만들기
예상 꼬리질문
- 데이터를 늘려도 해결되지 않는 경우는요?
- 정규화 강도를 높이면 어떤 변화가 예상되나요?
Q04통계 추론
p값이 0.03이면 가설이 97% 확률로 맞나요?
핵심p값은 귀무가설과 모형 가정하에서 관측값 이상으로 극단적인 결과가 나올 확률이에요.
답변 예시와 꼬리질문 보기
말로 풀어 설명하면
그렇게 해석할 수는 없습니다. p값은 가설이 참일 확률을 직접 말해주지 않아요. 효과 크기와 신뢰구간, 표본 수, 검정 가정을 같이 보고 실무적으로 의미 있는 차이인지 판단하겠습니다.
답변할 때 주의할 점
통계적 유의성을 효과 크기나 인과관계의 증명으로 설명하기
예상 꼬리질문
- 표본 수가 아주 크면 작은 효과도 유의해질 수 있나요?
- 여러 지표를 동시에 검정하면 무엇을 조심하나요?
Q05인과 추론
상관관계가 있으면 원인이라고 볼 수 있나요?
핵심공통 원인, 역인과, 선택 편향을 구분해야 해요.
답변 예시와 꼬리질문 보기
말로 풀어 설명하면
두 값이 같이 움직인다는 사실만으로 원인을 정할 수는 없어요. 다른 변수가 둘에 영향을 줬을 수도 있습니다. 가능하면 무작위 실험을 하고, 어렵다면 비교 집단과 가정이 무엇인지 명확히 하겠습니다.
답변할 때 주의할 점
상관계수가 크다는 이유만으로 정책 효과를 단정하기
예상 꼬리질문
- A/B 테스트에서도 편향이 생기는 경우는요?
- 실험군 간 간섭이 있으면 어떤 문제가 있나요?
Q06모델 학습
학습률이 너무 크거나 작으면 어떤 일이 생기나요?
핵심큰 학습률은 불안정·발산, 작은 학습률은 느린 진행을 일으킬 수 있어요.
답변 예시와 꼬리질문 보기
말로 풀어 설명하면
한 번에 얼마나 이동할지를 정하는 값이라고 설명하겠습니다. 너무 크면 좋은 지점을 지나치고 손실이 흔들릴 수 있어요. 너무 작으면 학습이 느려질 수 있으니 손실 곡선과 검증 성능을 보며 조정하겠습니다.
답변할 때 주의할 점
모든 불안정성을 학습률 문제로만 진단하기
예상 꼬리질문
- 학습률 스케줄러를 쓰는 목적은요?
- 손실이 NaN일 때 학습률 말고 무엇을 보나요?
Q07어텐션
어텐션을 비전공자에게 설명해 보세요.
핵심입력 요소 사이의 관련성을 계산해 필요한 정보를 가중 결합하는 방식이에요.
답변 예시와 꼬리질문 보기
말로 풀어 설명하면
문장을 이해할 때 지금 단어와 관계있는 다른 단어를 더 참고하는 방식으로 설명할 수 있어요. 쿼리와 키의 관련성을 점수로 만들고, 그 가중치로 값을 모읍니다. 다만 그 점수 자체를 사람의 설명과 똑같이 해석하지는 않겠습니다.
답변할 때 주의할 점
어텐션 가중치를 곧바로 모델 판단의 완전한 설명이라고 말하기
예상 꼬리질문
- 입력이 길어질 때 점수 행렬 크기는 어떻게 커지나요?
- 가중치가 높으면 반드시 인과적으로 중요하다는 뜻인가요?
Q08제품 적용
INT8 양자화로 바꾸면 속도와 품질은 어떻게 되나요?
핵심하드웨어와 연산자 지원, 보정 데이터, 오차 민감도에 따라 결과가 달라요.
답변 예시와 꼬리질문 보기
말로 풀어 설명하면
더 적은 비트로 값을 표현해서 메모리와 계산 부담을 줄이는 접근입니다. 다만 값의 범위와 반올림 때문에 오차가 생길 수 있어요. 실제 장치에서 지연과 작업별 품질을 측정하고, 민감한 층은 별도로 다루겠습니다.
답변할 때 주의할 점
비트 수 감소만으로 실제 장치에서의 속도 향상을 보장하기
예상 꼬리질문
- 보정 데이터가 배포 입력을 대표하지 않으면요?
- 모델 파일이 작아졌는데 추론이 느려질 수 있나요?
내 과제·프로젝트와 연결하기
위 개념을 실제로 사용한 적이 있다면 입력·조건·본인 역할·확인한 결과를 적어 보세요. 배운 원리와 직접 수행한 경험은 구분하고, 아직 적용하지 않았다면 일반적인 접근으로 설명하면 됩니다.
전공 면접 준비 방법 읽기 ↗개념 학습과 말하기 연습용 자료입니다. 최신 법규·설계·안전 기준이나 실무 절차를 대신하지 않습니다.