[면접 합격자료] 코닝정밀소재 머신러닝 모델링 연구원 합격 문항 기출 최종합격

1. 머신러닝 모델을 설계할 때 데이터를 어떻게 준비하고 전처리하나요

머신러닝 모델 설계 시 데이터 준비와 전처리는 모델 성능에 중요한 영향을 미칩니다. 데이터 수집 단계에서는 실험 데이터, 센서 데이터, 시뮬레이션 데이터 등을 다양하게 수집하며, 매년 약 10만 건 이상의 데이터 포인트를 확보합니다. 이후, 데이터의 품질을 높이기 위해 결측치 처리, 이상치 제거를 철저히 수행합니다. 예를 들어, 결측치는 평균 또는 중앙값 보간법, 이상치는 박스플롯을 통해 확인 후 제거 또는 보완합니다. 데이터 정규화는 평균 0, 표준편차 1이 되도록 수행하며, 수치는 Min-Max 스케일링과 표준화 기법을 병행하여 적용합니다. 또한, 클래스 불균형 문제들이 있는 경우에는 오버샘플링 또는 언더샘플링 기법을 사용하여 균형을 맞춥니다. 데이터 증강 기법으로는 노이즈 추가, 왜곡, 병합 등을 활용하여 모델 일반화 성능을 강화하고, 시간 시리즈 데이터의 경우 윈도우 제어 및 시계열 특성 추출을 통해 시퀀스 정보를 반영합니다. 이러한 과정에서 전처리 시간은 전체 개발 기간의 약 30%를 차지하며, 95% 이상의 데이터 품질을 유지하여 머신러닝 성능 향상에 크게 …