[면접 합격자료] 엠로 AI모델 연구 및 개발(Data Scientist) 합격 문항 기출 최종합격

1. 데이터 전처리 과정에서 흔히 사용하는 기법들과 그 이유를 설명해주세요.

데이터 전처리 과정에서는 결측치 처리, 이상치 제거, 정규화, 표준화, 범주형 변수 인코딩, 데이터 정합성 검증 등이 흔히 사용됩니다. 결측치는 평균값 대체, 삭제 또는 예측 모델 활용으로 보충하여 분석의 신뢰도를 높입니다. 이상치는 박스플롯, Z-점수 또는 IQR 방법을 통해 제거하거나 조정하여 모델 성능 향상에 도움을 줍니다. 정규화는 데이터 범위가 서로 다를 때 사용하며, Min-Max 스케일링으로 0~1 범위로 맞춰줍니다. 표준화는 평균이 0, 분산이 1이 되도록 데이터를 변환하여 기계학습 알고리즘의 수렴 속도를 높입니다. 범주형 변수는 원-핫 인코딩이나 라벨 인코딩으로 변환하여 수치 계산이 가능하게 하며, 데이터 정합성 검증은 이상값, 중복값, 오류값을 찾아내어 데이터 품질을 확보하는 데 필수입니다. 이러한 기법들을 체계적으로 수행하면 모델의 예측 정확도와 안정성을 높일 수 있어, 실무 프로젝트에서 평균 10% 이상의 성능 향상을 기대할 수 있습니다.

2. 머신러닝 모델의 성능을 평가하기 위해 어떤 지표들을 사용하는지 예를 들어 설명해주세요.

머신…