올레포트 : 대학레포트, 족보, 실험과제, 실습일지, 기업분석, 사업계획서, 학업계획서, 자기소개서, 면접, 방송통신대학, 시험 자료실
올레포트 : 대학레포트, 족보, 실험과제, 실습일지, 기업분석, 사업계획서, 학업계획서, 자기소개서, 면접, 방송통신대학, 시험 자료실
로그인  회원가입

파트너스

자료등록
 

다시받기

장바구니

코인충전

  • [면접 합격자료] AXA손해보험 Data Science팀 Specialist 합격 문항 기출 최종합격 (1 페이지)
    1

  • [면접 합격자료] AXA손해보험 Data Science팀 Specialist 합격 문항 기출 최종합격 (2 페이지)
    2

  • [면접 합격자료] AXA손해보험 Data Science팀 Specialist 합격 문항 기출 최종합격 (3 페이지)
    3

  • [면접 합격자료] AXA손해보험 Data Science팀 Specialist 합격 문항 기출 최종합격 (4 페이지)
    4


  • 본 문서의
    미리보기는
    4 Pg 까지만
    가능합니다.
클릭 : 크게보기
  • [면접 합격자료] AXA손해보험 Data Science팀 Specialist 합격 문항 기출 최종합격 (1 페이지)
    1

  • [면접 합격자료] AXA손해보험 Data Science팀 Specialist 합격 문항 기출 최종합격 (2 페이지)
    2

  • [면접 합격자료] AXA손해보험 Data Science팀 Specialist 합격 문항 기출 최종합격 (3 페이지)
    3

  • [면접 합격자료] AXA손해보험 Data Science팀 Specialist 합격 문항 기출 최종합격 (4 페이지)
    4



  • 본 문서의
    (큰 이미지)
    미리보기는
    4 Page 까지만
    가능합니다.
  더블클릭 : 닫기
X 닫기
좌우이동 : 드래그

[면접 합격자료] AXA손해보험 Data Science팀 Specialist 합격 문항 기출 최종합격

인쇄
바로가기
즐겨찾기 키보드를 눌러주세요
( Ctrl + D )
링크복사 링크주소가 복사 되었습니다.
원하는 곳에 붙혀넣기 하세요
( Ctrl + V )
공유
파일  [면접 합격자료] AXA손해보험 Data Science팀 Specialist 면접 합격 문항 AXA손해보험 면접 기출 Data 면접 최종합격.hwp   [Size : 12 Kbyte ]
분량   4 Page
가격  3,000


카트
다운받기
카카오 ID로
다운 받기
구글 ID로
다운 받기
페이스북 ID로
다운 받기
뒤로

자료설명

[면접 합격자료] AXA손해보험 Data Science팀 Specialist 면접 합격 문항 AXA손해보험 면접 기출 Data 면접 최종합격

목차/차례

  1. 1. 데이터 분석 프로젝트 경험에 대해 설명해 주세요. 어떤 문제를 해결했고 어떤 방법을 사용했나요
  2. 2. 보험 데이터에서 중요한 특징(feature)을 선정하는 기준은 무엇인가요
  3. 3. 이상치(outlier)를 감지하고 처리하는 방법을 설명해 주세요.
  4. 4. 모델 성능 평가 지표에는 어떤 것들이 있으며, 어떤 상황에서 각각을 사용하는 것이 적절한지 설명해 주세요.
  5. 5. 결측치(missing value)가 있는 데이터셋에 대해 어떻게 처리하나요
  6. 6. 보험 청구 데이터 분석에서 중요한 변수는 무엇이라고 생각하시나요
  7. 7. 데이터 전처리 과정에서 주로 고려하는 사항들은 무엇인가요
  8. 8. 최근에 사용했던 머신러닝 알고리즘 중 하나를 선택해서, 그 알고리즘을 선택한 이유와 적용 사례를 설명해 주세요.

본문/내용

1. 데이터 분석 프로젝트 경험에 대해 설명해 주세요. 어떤 문제를 해결했고 어떤 방법을 사용했나요

AXA손해보험 Data Science팀에서 보험사기 예측 모델 개발 프로젝트를 수행한 경험이 있습니다. 이 프로젝트의 목표는 보험금 청구 건수의 5%에 해당하는 사기 사례를 조기 적발하여 손실을 최소화하는 것이었습니다. 데이터를 분석하기 위해 고객의 청구내역, 과거 사고 기록, 통신 로그, 공정별 지급액, 사고 시간, 장소 등 다양한 정보를 수집하였으며, 결측치 처리와 이상치 제거 후 피처 엔지니어링을 실시하였습니다. 머신러닝 기법으로 랜덤 포레스트와 XGBoost 알고리즘을 활용하였으며, 교차 검증을 통해 모델의 과적합을 방지하였습니다. 모델의 정확도는 AUC 0. 89를 기록하였으며, 특정 피처인 사고 발생 시간과 지역 정보의 가중치를 높게 반영하였습니다. 이 결과, 보험사기 적발률이 기존 대비 30% 향상되었으며, 연간 손실액이 약 10억 원 이상 절감되는 성과를 이룰 수 있었습니다. 또한, 모델 배포 후 피드백을 수집하여 지속적으로 성능을 개선하며 실무 적용 가능성을 높였습니다.

2. 보험 데이터에서 중요한 특징(feature)을 선정하는 기준은 …



📝 Regist Info
I D : daso******
Date : 2025-09-04
FileNo : 40003640

Cart