🌿[풀버전] 'AI개발자' 이스트소프트 리.얼.면.접

① 지원자에 대한 파악

00:37 지원한 AI R&D 직무에 있어서 본인의 어떤 점이 탁월하고
그 탁월함을 회사에 어떻게 기여할 수 있다고 생각하시는지
02:06 딥러닝 과정을 함께 이수한 사람들 중에서
본인이 어떤 역할을 했을 때 이 직무에 잘 맞고
다른 사람에게 도움이 되는구나 라고 느낀 포인트가 있다면
06:46 비전공자인데 딥러닝 직무에 관심을 가지게 된 계기와
타전공자로서 다른 사람보다 낫다고 생각되는 포인트는?
11:56 AI 관련 오픈채팅 운영하고 있는데 하게 된 계기는?
14:25 빅데이터와 딥러닝이 어떤 부분이 겹치고 어떤 부분이 다른지,
다루는 내용에는 어떤 것들이 있는지
17:40 하셨던 업무와 딥러닝 업무를 비교했을 때
어떤 부분이 다르고 어떤 부분이 같은지


② 질문지 직역/해석

19:23 처음 드렸던 질문지에서 밑줄 그은 부분을 직역 또는 해석해주세요.
20:15 질문지 주제 : 차원의 저주
22:30 두번째 문장을 해석해주세요
25:56 두번째 문장의 예시로 키-몸무게 든다면,
163.5cm인 학생의 몸무게를 추정 해보세요
27:30 세번째 문장을 해석해주세요
29:18 Regression(회귀)과 Classification(분류)의
차이를 설명할 수 있는지?
31:35 두번째 문장을 다시 해석해볼 수 있는지
33:22 여기에서 같은 셀은 무엇인가요?
33:38 변수가 키와 몸무게 두가지만 있다면
같은 셀에 있다는 것은
어떻게 정해지는지 설명해주세요.
33:59 비만인지 아닌지는 어떻게 알 수 있는지
34:49 어떤 example이 비만인지 아닌지를 판단할 수 있는지.
35:42 상관관계가 있다면 어떻게 분류를 하는건지
36:27 변수가 10개가 되었을 때 증가하는 셀의 양은?
28:19 질문지에서 지적하고 있는 문제는 무엇인가요?
Curse of dimensionality (차원의 저주)가
무엇인지 설명해주세요
39:05 네번째 문장 해석
41:57 grid cell은 무엇인가요?
42:35 모든 셀에 학생으로 채울 수 있나요?
43:20 두개의 변수만 있을 때 셀에 넣으면 다 다른 셀인가요?
43:58 100명의 학생이 있다고 전제했을 때
키와 몸무게 두 변수가 있을 때와
10개의 변수가 있을 때 어떤 차이점이 있는지.

③ 포트폴리오 토론

45:21 지원자가 가장 관심을 가지고 기술적으로
깊이 고민해봤던 문제로 토론
48:36 프로젝트 전체적인 플로우는
59:39 validation과 test set은 각각 어느 지역의 데이터 였는지.
시간 축으로도 나뉘어져 있는지.
Train과 valid 를 나누는 과정이 시간과 상관이 있나요.
52:36 Grouping이란 게 뭔가요?
53:21 Grouping을 하면 안했을 때와 처리를 다르게 하는 건지
56:54 결측값 처리는 주로 어떤 방식으로 하는지
57:09 주로 어떤 값들이 비어있었는지
59:00 커뮤니케이션 permutation 스코어와 Shap에 대해 설명해주세요
1:01:48 한 명을 뺐는데 성적이 오르고, 추가로 한 명을 더 뺐는데
성적이 떨어진다면, 먼저 뺀 사람은 무조건 팀에 안 좋은 것인지
1:03:14 permutation 중요도의 한계를 응용하거나
극복할 수 있는 방법이 있는지
1:03:55 permutation을 돌릴 때 n개의 변수가 있다면
전부를 돌린 건지, 선택을 한건지.
1:04:59 전처리 방식이 달라질 때마다 permutation 을 다시 했나요
1:06:00 리드보드 스코어는 매번 테스트를 해볼 수 있었는지
01:06:29 overfitting 에 대해 설명해주세요
01:07:15 overfitting을 피하기 위한 전략이 있다면
01:09:37 overfitting이 얼마나 됐는지 검증하는 방법은?
1:12:31 overfitting은 F1 스코어를 보면 확인할 수 있나요.
어떻게 하면 유추할 수 있는지.
1:13:40 리더보드를 결정하는데 사용된 데이터 set에
점수를 높이기 위해
fitting을 한다면 overfitting인지
01:14:09 테스트 데이터만 50%에 맞추면 무조건 overfitting인가요?
01:15:50 나머지 50%를 못보는 상황에서 점수를 확인할 수 있는
일부 테스트 셋을 가지고
어떻게 하면 점수를 높게 만들 수 있는지
01:17:37 피처 셀렉션은 왜 하는 건가요?
01:18:25 미싱 value가 없는 상태에서는
피처 셀렉션을 할 필요가 없나요.
했을 때 장점은?
01:19:50 피처를 반으로 줄이면 표현력이 줄어드는데 성능이 나빠지나요?
01:21:34 Curse of dimensionality와 관련해서도 이야기 해주세요
1:21:48 변수가 10개가 있는데 천개를 추가해서 학습을 했는데
성능이 떨어졌다면 그 이유는?
1:26:31 일반적으로 Classification 정확도를 측정할 때 f1을 쓰나요?
Classification meaure는 어떤 것들이 있죠?
1:27:34 여기서 f1을 쓴 이유는?
정확도는 0.92인데 f1 스코어는 0.08이다
이건 어떤 경우에 생기는지
1:28:41 비가 실제로 역사적으로 5%확률로 왔다.
오늘 비가 오는 예측 정확도를 높이는 방법은?
1:34:12 보험사기 프로젝트에서 데이터 augmentation으로
스무트를 사용했는데 설명해줄 수 있나요?

#피곤한유대표 #취업 #채용 #자소서 #면접 #리뷰 #자기소개

주.작.없.는 리.얼.면.접 [feat.피곤한유대표]

★ 매주 화 오후 5시 : 면접 편집본
★ 매주 목 오후 5시 : 면접 Full
★ 문의 : [email protected]
★ 구독/좋아요/알림설정🔔