목차/차례
Ⅰ. 최신 면접 기출 질문 (18선)
Q1. 당근마켓 머신러닝 엔지니어 직군에 지원한 이유는 무엇인가요
Q2. 머신러닝 모델을 실제 서비스에 배포해 본 경험이 있나요
Q3. 데이터 불균형 문제를 해결하기 위해 어떤 기법을 주로 사용하시나요
Q4. 추천 시스템에서 성능을 측정하는 오프라인 지표는 무엇을 쓰시나요
Q5. 당근마켓 검색 결과의 품질을 높이려면 어떤 로직이 필요할까요
Q6. 딥러닝과 전통적인 통계 모델 중 무엇을 우선적으로 고려하시나요
Q7. 협업 필터링과 콘텐츠 기반 필터링의 차이점과 장단점을 설명해 주세요.
Q8. 모델의 오버피팅을 방지하기 위해 현업에서 쓰는 방법은 무엇인가요
Q9. 사용자 로그 데이터를 전처리할 때 가장 공을 들이는 부분은 무엇인가요
Q10. 머신러닝 엔지니어에게 코딩 테스트 역량이 왜 중요하다고 보시나요
Q11. 대규모 데이터를 처리하기 위해 사용해 본 프레임워크가 있으신가요
Q12. 모델 서빙 시 지연 시간을 줄이기 위
...
본문/내용
Ⅰ. 최신 면접 기출 질문 (18선)
Q1. 당근마켓 머신러닝 엔지니어 직군에 지원한 이유는 무엇인가요
하이퍼로컬 데이터가 가진 무궁무진한 가능성을 엔지니어링 기술로 풀어내어 이웃 간의 연결을 돕고 싶어 지원했습니다. 당근마켓은 단순한 중고 거래를 넘어 지역 사회의 소통을 주도하며, 그 과정에서 발생하는 양질의 텍스트와 이미지 데이터는 머신러닝 엔지니어에게 최고의 환경입니다. 저는 학부 시절부터 실생활 문제를 데이터로 해결하는 과정에 매료되었고, 특히 당근마켓의 추천 시스템이 동네 생활의 질을 어떻게 바꾸는지 깊이 체감해 왔습니다. 제가 가진 파이썬 기반의 모델링 역량과 효율적인 파이프라인 구축 능력을 이곳에서 발휘하고 싶습니다. 단순한 기술 구현을 넘어 사용자에게 실질적인 편의를 제공하는 체감형 인공지능 기술을 만들겠습니다. 지역 커뮤니티의 신뢰를 기술로 공고히 다지는 엔지니어가 되겠습니다.
Q2. 머신러닝 모델을 실제 서비스에 배포해 본 경험이 있나요
학부 캡스톤 디자인 프로젝트 당시 사용자의 선호를 분석하여 맞춤형 콘텐츠를 추천하는 웹 서비스를 개발하고 배포한 적이 있습니다. 당시 플라스크를 활용해 가…