[면접 합격자료] 라인플러스 LINE Ads ML Engineer 합격 문항 기출 최종합격

1. 머신러닝 모델을 개발할 때 오버피팅을 방지하기 위한 방법에는 어떤 것들이 있나요

머신러닝 모델의 오버피팅을 방지하기 위해 다양한 방법을 사용할 수 있습니다. 데이터를 충분히 증강하여 모델이 다양한 패턴을 학습하게 함으로써 과적합을 줄일 수 있습니다. 예를 들어, 이미지 데이터에서는 회전, 자르기, 노이즈 추가 등을 통해 훈련 데이터의 다양성을 높입니다. 또한, 모델의 복잡도를 조절하여 간단한 구조로 설계하면 오버피팅 가능성을 낮출 수 있습니다. L1, L2 정규화를 적용하면 모델의 가중치를 제한하여 과적합을 방지할 수 있습니다. 드롭아웃은 신경망에서 노드를 무작위로 비활성화하여 특정 특성에 과도하게 의존하는 현상을 방지하는데 효과적입니다. 조기 종료(Early Stopping)은 검증 정확도가 정체되거나 떨어질 때 학습을 중단하는 방법으로, 모델이 훈련 세트에 과도하게 맞추기 전에 일반화 능력을 유지할 수 있게 도와줍니다. 교차 검증을 활용하면 데이터의 분할을 여러 차례 반복하여 성능을 검증하므로, 과적합 여부를 미리 파악하고 적절한 하이퍼파라미터를 찾을 수 있습니다. 이 방법들을 적절히 조합하면, 테스트 데이터에서의 성…