[면접 합격자료] 안랩 Data Scientist ML Engineer 합격 문항 기출 최종합격

1. 데이터 전처리 과정에서 자주 사용하는 기법과 그 이유를 설명하세요.

데이터 전처리 과정에서 자주 사용하는 기법은 결측치 처리, 이상치 제거, 정규화 및 표준화, 범주형 데이터 인코딩, 데이터 균형 조정 등입니다. 결측치는 평균 또는 중앙값으로 대체하거나 삭제하여 데이터의 신뢰성을 높입니다. 예를 들어, 의료 데이터에서 결측치가 10% 이상인 경우 삭제했으며, 이상치는 박스플롯 및 Z-스코어 분석을 통해 1% 미만으로 제거하였습니다. 정규화는 특성 값의 범위 차이를 줄여 학습 속도와 성능을 높이기 위해 사용하며, 특히 신경망 모델에서 효과적입니다. 범주형 데이터는 원-핫 인코딩 또는 라벨 인코딩을 통해 수치형으로 변환하며, 이를 통해 모델이 범주 간의 순서를 인식하지 않도록 합니다. 데이터 불균형 문제를 해결하기 위해 오버샘플링, 언더샘플링, SMOTE 기법 등을 활용하며, 예를 들어, 부정 사례가 5% 미만인 경우 SMOTE를 적용하여 재학습에 성공하였고, F1-score가 0. 65에서 0. 78로 향상되었습니다. 이와 같은 전처리 기법들은 모델의 일반화 성능 향상과 정확도 증진에 중요한 역할을 합니다.

2. 모델 성능 평가를 위해 어떤 지표를 …