Search

데이터 사이언티스트 면접 질문

Q1. 매출이 감소했다고 하면 어떻게 접근하여 분석하겠는가? 모범 답안 매출의 증감을 표현할 수 있는 다양한 지표(Index)를 생성(기존 + 신규)하여 사업부/상품/기간 단위로 매출 감소 영역을 Sensing하고 상세 분석을 통해서 매출 감소 원인을 파악하겠습니다.
Q2. 코로나 상황속에서 어떻게 데이터 분석을 통해 기여할 것인가? 모범 답안 초과 비용 및 간접비를 줄이는 것에서 부터 시작하고자 합니다. 고도화된 타겟 마케팅을 통해 마케팅 비용을 줄이고 효율화 하는 방향(판매관리비 절감이 필요)이 있을 것입니다. 빠르게 변화하는 고객을 이해하기 위해 데이터 분석로고객 특징들을 추출하고, 이를 활용한 새로운 서비스 기획 및 선호 마케팅 방안 탐색하여신규 고객 유치에 기여하겠습니다.
Q3. 데이터 수집 및 전처리 단계에서 발생한 문제 해결 방법 모범 답안 수집 데이터가 다양한 DB에 산재된 문제가 있었습니다. 이 문제를 해결하기 위해서 저는 개발부서와 각 DB별 수집 방안(수집 주기, 수집 Column) 협의 후 Primary Key값을 기준으로 Big table을 설계하여 통합 DB 구축을 통해 문제를 해결하였습니다.
Q4. 데이터를 비지니스와 연관지어 생각할 수 있는 능력을 어떻게 개발할 수 있을까? 모범 답안 데이터 분석팀의 KPI(목표 지표)를 비지니스를 수행하는 주체인 사업부와 동일하게 설정하면 자연스럽게 KPI를 증가시키기 위해 카운터 파트의 비지니스를 더 잘 이해하고 증대시키는 사고를 할 수 있게 됩니다. 이를 통해 데이터를 비지니스와 더 긴밀하게 생각할 수 있게 될 것이라고 판단됩니다.
Q5. 분석 후 내용을 어떻게 효과적으로 상급자에게 전달할 것인가? 모범 답안 분석된 내용을 보고서(리포트) 형식으로 정리하여 상급자에게 효과적으로 전달하고자 합니다. 보고서를 작성한다면 목차는 다음과 같습니다. 배경 및 추진방향 > 모델 개발 내용 > 모델 결과 및 성능 > 기대효과 및 향후 계획 > 사용 변수 리스트(유첨)
Q6. 분석된 내용을 유관부서에게 어떻게 설득시키겠는가? 모범 답안 유관부서에게 분석된 내용을 전달할 때는 분석 시 사용하는 전문적인 용어가 아닌, 현업이 이해할 수 있는 수준의 언어를 사용해야합니다. 현업의 언어를 활용하여 분석된 결과를 이해시키고, 피드백을 통해서 분석의 퀄리티를 높이는 방향으로 업무를 진행하겠습니다.
Q7. 본인이 수행할 수 있는 업무영역이 어떻게 되는가? 모범 답안 제가 수행할 수 있는 업무 역량을 전체적인 데이터 분석 프로세스 관점에서 말씀드리겠습니다. SQL 활용 특정 조건에 맞는 데이터 추출 - R/Python을 활용한 데이터 가공 및 EDA - 데이터 모델링 및 평가 - 자동화 코딩 - 운영 및 모니터링의 데이터 분석 전체 Porcess를 커버할 수 있습니다.
Q8. 신규고객을 유치한다면 어떻게 데이터 적으로 접근하겠나? 모범 답안 신규 고객은 현재 보유하고 있지 않은 데이터이기 때문에 외부 데이터를 활용하여 접근하겠습니다. 구글 ADS를 사용하여 어떤 경로와 검색어를 통해 사내 사이트에 가장 많이 방문했는지 사용자 여정 분석을 통해, 해당 경로에 광고를 추가하거나 해당 서비스와 연계한 마케팅 상품을 개발하여 신규 고객 유치하도록 하겠습니다.
Q9. 상사와의 갈등이 생긴다면 어떻게 해결하겠는가? 모범 답안 저보다 더 많은 경험을 하신 상사분이시기 때문에 상사분께서 내린 결정에는 그만한 이유가 있다고 생각합니다. 상사분에 생각에 대해 더 깊게 이해해보고 믿고 따르는게 맞다고 생각합니다.
Q10. 동료와의 갈등이 생긴다면 어떻게 해결하겠는가? 모범 답안 문제를 바라보는 시각이 다른것은 당연합니다 . 저의 주장을 밀어부치기보다 상대방의 말을 경청하고 존중과 이해를 기반한 의사소통을 한다면 의견 차이의 폭을 좁히고 공동의 목표로 나아갈 수 있을 것이라 생각합니다.
Q1. 데이터 레이크와 데이터 웨어하우스의 차이는 무엇인가요? 모범 답안 데이터 레이크는 원시 데이터를 기본 형식으로 저장하는 방대한 저장소입니다. 데이터 레이크의 이점 중 하나는 다양한 구조의 데이터를 저장할 수 있다는 것입니다. 데이터 레이크에는 미리 정의된 스키마가 없으며, 다양한 정형, 비정형 데이터를 수집할 수 있습니다. 데이터 웨어하우스는 미리 결정된 목적을 위해 비즈니스 애플리케이션에서 수집 및 생성하는 데이터의 저장소입니다. 데이터 웨어하우스는 저장 전 데이터에 미리 정의된 스키마를 적용하며, 이 저장소에 저장하기 전에 데이터를 정리하고 구성해야 합니다. 데이터 웨어하우스에 저장된 데이터는 이미 처리되었기 때문에 높은 수준의 분석이 용이합니다.
Q2. 데이터 파이프라인이란 무엇인가요? 모범 답안 데이터 파이프라인은 데이터를 추출, 변환, 로드(ETL)하는 일련의 과정을 말합니다. 이러한 과정을 통해 비즈니스에서 필요한 데이터를 사용 및 분석가 혹은 사이언티스트에게 제공할 수 있습니다.
Q3. 다양한 소스의 데이터를 통합해야 했지만 예상치 못한 문제에 직면 한 사건과 어떻게 해결 했습니까? 모범 답안 이전 A 회사에서 저와 저희 팀은 다양한 DB와 시스템에서 데이터를 수집해야했습니다. 그러나 프랜차이즈 중 하나가 사전 통지없이 시스템을 변경했고, 이로 인해 데이터 수집 및 처리에 몇 가지 문제가 발생했습니다. 이를 해결하기 위해 먼저 회사 시스템에 필수 데이터를 가져 오기위한 단기 솔루션을 찾아서 해결했고, 이후 동일한 문제가 다시 발생하지 않도록 장기적인 솔루션을 개발했습니다.
Q4. Apache Hadoop 프레임 워크의 기본 개념을 설명하십시오. 모범 답안 아팟치 하둡은 대규모 검색 색인을 구축하려고 만든 자바 기반의 오픈 소스 분산 컴퓨팅 플랫폼입니다. 향후 다방면으로 활용되고 개선되면서 대규모 raw 데이터를 처리하고 분석하는 데이터 센터 운영 시스템의 핵심 소프트웨어 생태계를 이루게 되었습니다.
Q5. 쿠버네티스와 도커의 차이점은? 모범 답안 도커는 ’이미지를, 컨테이너에 띄우고 실행하는 기술’이고 쿠버네티스는 '도커를 관리하는 툴'로 생각할 수 있습니다. 따라서 도커는 '한 개의 컨테이너를 관리’하는 데 최적화 되어있고, 쿠버네티스는 '여러 개의 컨테이너를, 서비스 단위로 관리’하는 데 최적화 되어있습니다.
Q6. AWS S3와 EC2의 차이점은? 모범 답안 S3(Simple Storage Service)는 데이터를 저장하거나 추출하게 해 주는 온라인 스토리지 웹 서비스입니다. 즉 파일 서버의 역할을 하는 서비스라고 볼 수 있습니다. 하나의 저장 공간을 구성하고 그 공간에 데이터를 자유롭게 업로드, 다운로드 할 수 있는 서비스를 제공합니다.
•
HTTP 프로토콜로 파일에 접근할 수 있다.
•
일반적인 시스템과는 다르게 파일(또는 데이터) <이름인 key 와 파일 자체인 value 로 구분되는 객체 형태로 파일을 저장한다.
EC2(Elastic Compute Cloud)는 아마존 웹 서비스에서 제공하는 서비스로 안전하고 크기 조정이 가능한 컴퓨팅 파워를 클라우드에서 제공하는 웹 서비스입니다. 개발자가 더 쉽게 웹 규모의 클라우드 컴퓨팅 작업을 할 수 있도록 설계된 서비스입니다.
Q7. 배치 파이프라인의 Tool인 Airflow란? 모범 답안 Apache Airflow는 프로그래밍 방식으로 워크플로우를 작성, 예약 및 모니터링하는 오픈 소스 플랫폼입니다. 정확한 시간에, 정확한 방법으로, 정확한 순서대로 실행하게 해주는 오케스트레이터라고 볼 수 있습니다.
Q8. 분석가와 협업을 진행할때 어떤 방법으로 진행하겠는가? 모범 답안 데이터 엔지니어도 분석가 업무에 대해 전부 알지 못하고, 마찬가지로 데이터 분석가도 엔지니어의 업무 영역에 대해서 모두 이해하는 것이 아니기 때문에, 공동의 목표를 달성하기 위해 지속적인 커뮤니케이션이 필요하다고 생각합니다. 엔지니어는 분석가가 요청한 내역을 기술적인 부분만이 아니라 비지니스 부문에서의 필요성을 같이 고민할 필요가 있으며, 가정 효과적인 방법으로 구현해야 합니다.
Q9. 운영중인 서비스의 문제를 어떻게 감지할 수 있을까? 모범 답안 문제가 생겼을 때 Slack 의 특정 채널(장애 알림 전용 채널)에 메시지가 게시되는 것으로부터 가장 빠르게 인지를 합니다. Slack 에 장애가 발생하면 서비스에 발생하는 장애를 인지하기 어려워지기 때문에 극소수이긴 하지만 일부 구성원들, 일부 지표에 한해서는 이메일로도 받도록 구축해야합니다. Slack 으로 인지하게 되는 것과 별개로 모니터링 중 특별히 튀는 지표가 있다면 Alert 와 무관하게 원인 파악을 하며 문제 여부를 판단 하고 문제 상황이라면 triage(심각도 정도에 따른 우선 순위 분류)부터 시작하여 Troubleshooting 을 할 수 있습니다.
Q10. 협업 엔지니어와 기술적인 의견 상이가 발생했을 때 대처법? 모범 답안 해당 프로젝트에 대한 목표를 다시 한 번 점검해보고, 서로의 의견을 충분히 나눈후 객관적인 기준을 수립하여 최적의 퍼포먼스를 낼 수 있는 방향으로 대화를 이끌어 나가겠습니다.
Q1. 코로나와 같은 특수한 상황에 대해 어떻게 예측할 것인가? 모범 답안 과거에 코로나라는 특수한 전염병에 사례와 비슷한(메르스, 사스) 전염병의 데이터를 수집한 데이터를 활용하여 다양한 파생변수를 생성하고, Feature로 사용할 것 입니다. 크롤링을 통해 검색어 증감을 분석하여 사전 Issue Alert 전달하고, 앞선 대응을 진행할 것 입니다.
Q2. 데이터 분석 외에 기획 및 운영 업무도 진행 해야 한다면? 모범 답안 데이터 사이언티스트라면 모델링 이외에도 운영적인 업무가 필수적으로 수반되어야 한다고 생각합니다. 데이터 분석이 주된 목적이 아닌 협업의 이슈를 데이터 사이언스 지식을 활용하여 해결하는 것이 데이터 사이언티스트의 정의라고 생각하기 때문입니다.
Q3. RFM 방법론의 효과가 좋지 않은데 어떻게 사용할 것인가? 모범 답안 어느 영역(R/F/M) 가중치를 더 두느냐에 따라서 모델의 가치가 결정된다고 생각합니다. 분석 목적에 맞는 가중치 설정을 통해 최고의 효과를 달성하는 방안을 고안한다면 RFM도 성능을 높일 수 있을 것이라고 생각합니다.
Q4. 데이터 분석 프로세스에서 가장 강점인 영역은? 모범 답안 데이터 EDA를 통해 빠르게 인사이트를 추출하여 경영진의 의사결정을 지원하는 영역이 가장 강점입니다.
Q5. R/Python 활용 수준은? 모범 답안 Tool을 사용하여 데이터 추출 및 전처리, 모델링, 리포트 작성 수준의 활용 능력을 보유하고 있습니다.
Q6. 2~3천개의 Feature가 있는데 어떻게 접근하겠는가? 모범 답안 NA 비율 및 Zero 비율, Outlier 확인후 의미없는 변수를 1차 제거하겠습니다. Correlation 분석을 통해 상관관계가 높은 변수를 제거(Y의 영향을 가장 많이 미치는 변수를 생존시킴)하고 만약 컴퓨팅 파워가 가능하다면 그리고 Tree 계열의 알고리즘을 사용한다고 가정했을 때, 최대한 많은 변수를 넣어서 진행하여 성능을 높이는 방향성으로 분석을 진행하겠습니다.
Q7. 리콜과 프리시젼의 Trade off 문제를 어떻게 해결할 것인가? 모범 답안 해당 문제에서 해결하려는 문제의 목표를 인식하고, 적합한 평가척도를 사용하는 것이 최적의 방법이라고 생각합니다.
Q8. 만들어진 모델에 대해 어떻게 설명할 것인가?(X-ai) 모범 답안 LIME, SHAP 와 같은 XAI 알고리즘을 통해 설명력을 확보하겠습니다.
Q9. 데이터 분석 프로세스에서 가장 중요하다고 생각되는 단계는? 모범 답안 현업에 Needs를 파악하여 과제를 구체화시키는 단계와 분석된 결과를 현업에 적용시키는 단계가 가장 중요하다고 생각합니다. 과제 구체화와 현업 적용 단계를 놓치면 제대로된 분석결과를 기대할 수 없기 때문입니다.
Q10. 유통 데이터와 금융 데이터 같은 고객 데이터인데 차이점은? 모범 답안 상품을 구매 및 가입한 고객 데이터라는 공통점은 존재하지만 품목수나 구매주기에 관해서는 유통(리테일) 데이터가 더 예민하고 빠른 특성을 가지고 있습니다. 다량에 데이터를 효과적을 처리하고 빠르게 유의미한 데이터를 추출하는 것이 무엇보다 중요하다고 생각됩니다.
•
데이터 사이언티스트가 되고 싶은 이유
•
CV 관련 질문
•
Linked List에서 순환 구조를 찾는 방법
•
Binary Search 사용 시 최악의 경우 예 및 대처방법
•
파이썬 Mutable과 Immutable 차이
•
파이썬 Map에서 Value로 정렬하는 방법
•
파이썬 List Comprehension
•
Maximum Likelihood Estimation
•
조건부 확률 및 베이즈 정리 및 관련 철학
•
Likelihood와 Probability의 차이
•
Regression과 Classification의 차이
•
모델 결정 방법에서 Boosting / Bagging / Stacking의 차이
•
경험했던 머신러닝 프로젝트 / 캐글 사용 유무
•
데이터 사이언티스트 하면 잘할 수 있을 것 같은 이유
•
(기술적인 관점에서) 데이터를 다뤘던 경험
•
회사에서 데이터 사이언티스트의 역할이란?
•
최근에 관심 있는 기술
•
관심 있게 보는 방송이나 뉴스
•
OS 메모리 영역 구조 (스택, 힙, 코드, 데이터)
•
파이썬 list와 tuple 차이
•
파이썬 list 구현 방식, 구현 방식 별 insert / get 명령 시간 복잡도
•
파이썬 dictionary 구현 방식, 구현 방식 별 insert / get 명령 시간 복잡도
•
파이썬 Dequeue (양쪽에서 원소 insert / get 가능) 구현 방식, 구현 방식 별 insert / get 명령 시간 복잡도
•
파이썬에서 key가 될 수 있는 것은? list는 키가 될 수 있을까?
•
Stable Sort의 의미와 예
공통 질문 왜 해당 직군으로 지원했나요? 왜 저희 회사에 지원하셨나요? 해당 직군의 매력이 무엇이라고 생각하나요? 해당 직군에서 본인의 장점은? 해당 직군을 하면서 이루고자 하는 목표는? 해당 직군을 하기 위해 어떤 노력을 했나요? 왜 저희가 지원자를 뽑아야 하나요? 지원자의 단점은 무엇인가요? 목차로 이동 프로젝트 데이터를 어떻게 구했나요? 해당 프로젝트에서 왜 이 알고리즘을 사용했나요? 그 알고리즘과 유사한 알고리즘이 존재하지 않나요? 해당 알고리즘의 단점은? 해당 프로젝트에서 지원자는 어떤 일을 했나요? 해당 프로젝트에서 지원자가 느낀 점은? 해당 프로젝트를 다시 진행한다고 하면 어떻게 할 것인가요? Kaggle에서 수상을 하면 데이터 분석을 잘 할까요? 목차로 이동 통계 및 수학 고유값(eigen value)와 고유벡터(eigen vector)에 대해 설명해주세요. 그리고 왜 중요할까요? 샘플링(Sampling)과 리샘플링(Resampling)에 대해 설명해주세요. 리샘플링은 무슨 장점이 있을까요? 확률 모형과 확률 변수는 무엇일까요? 누적 분포 함수와 확률 밀도 함수는 무엇일까요? 수식과 함께 표현해주세요 베르누이 분포 / 이항 분포 / 카테고리 분포 / 다항 분포 / 가우시안 정규 분포 / t 분포 / 카이제곱 분포 / F 분포 / 베타 분포 / 감마 분포 / 디리클레 분포에 대해 설명해주세요. 혹시 연관된 분포가 있다면 연관 관계를 설명해주세요 조건부 확률은 무엇일까요? 공분산과 상관계수는 무엇일까요? 수식과 함께 표현해주세요 신뢰 구간의 정의는 무엇인가요? p-value를 고객에게는 뭐라고 설명하는게 이해하기 편할까요? p-value는 요즘 시대에도 여전히 유효할까요? 언제 p-value가 실제를 호도하는 경향이 있을까요? A/B Test 등 현상 분석 및 실험 설계 상 통계적으로 유의미함의 여부를 결정하기 위한 방법에는 어떤 것이 있을까요? R square의 의미는 무엇인가요? 평균(mean)과 중앙값(median)중에 어떤 케이스에서 뭐를 써야할까요? 중심극한정리는 왜 유용한걸까요? 엔트로피(entropy)에 대해 설명해주세요. 가능하면 Information Gain도요. 요즘같은 빅데이터(?)시대에는 정규성 테스트가 의미 없다는 주장이 있습니다. 맞을까요? 어떨 때 모수적 방법론을 쓸 수 있고, 어떨 때 비모수적 방법론을 쓸 수 있나요? “likelihood”와 “probability”의 차이는 무엇일까요? 통계에서 사용되는 bootstrap의 의미는 무엇인가요. 모수가 매우 적은 (수십개 이하) 케이스의 경우 어떤 방식으로 예측 모델을 수립할 수 있을까요? 베이지안과 프리퀀티스트간의 입장차이를 설명해주실 수 있나요? 검정력(statistical power)은 무엇일까요? missing value가 있을 경우 채워야 할까요? 그 이유는 무엇인가요? 아웃라이어의 판단하는 기준은 무엇인가요? 콜센터 통화 지속 시간에 대한 데이터가 존재합니다. 이 데이터를 코드화하고 분석하는 방법에 대한 계획을 세워주세요. 이 기간의 분포가 어떻게 보일지에 대한 시나리오를 설명해주세요 출장을 위해 비행기를 타려고 합니다. 당신은 우산을 가져가야 하는지 알고 싶어 출장지에 사는 친구 3명에게 무작위로 전화를 하고 비가 오는 경우를 독립적으로 질문해주세요. 각 친구는 2/3로 진실을 말하고 1/3으로 거짓을 말합니다. 3명의 친구가 모두 “그렇습니다. 비가 내리고 있습니다”라고 말했습니다. 실제로 비가 내릴 확률은 얼마입니까? 필요한 표본의 크기를 어떻게 계산합니까? Bias를 통제하는 방법은 무엇입니까? 로그 함수는 어떤 경우 유용합니까? 사례를 들어 설명해주세요 목차로 이동 분석 일반 좋은 feature란 무엇인가요. 이 feature의 성능을 판단하기 위한 방법에는 어떤 것이 있나요? “상관관계는 인과관계를 의미하지 않는다”라는 말이 있습니다. 설명해주실 수 있나요? A/B 테스트의 장점과 단점, 그리고 단점의 경우 이를 해결하기 위한 방안에는 어떤 것이 있나요? 각 고객의 웹 행동에 대하여 실시간으로 상호작용이 가능하다고 할 때에, 이에 적용 가능한 고객 행동 및 모델에 관한 이론을 알아봅시다. 고객이 원하는 예측모형을 두가지 종류로 만들었다. 하나는 예측력이 뛰어나지만 왜 그렇게 예측했는지를 설명하기 어려운 random forest 모형이고, 또다른 하나는 예측력은 다소 떨어지나 명확하게 왜 그런지를 설명할 수 있는 sequential bayesian 모형입니다.고객에게 어떤 모형을 추천하겠습니까? 고객이 내일 어떤 상품을 구매할지 예측하는 모형을 만들어야 한다면 어떤 기법(예: SVM, Random Forest, logistic regression 등)을 사용할 것인지 정하고 이를 통계와 기계학습 지식이 전무한 실무자에게 설명해봅시다. 나만의 feature selection 방식을 설명해봅시다. 데이터 간의 유사도를 계산할 때, feature의 수가 많다면(예: 100개 이상), 이러한 high-dimensional clustering을 어떻게 풀어야할까요? 목차로 이동 머신러닝 Cross Validation은 무엇이고 어떻게 해야하나요? 회귀 / 분류시 알맞은 metric은 무엇일까요? 알고 있는 metric에 대해 설명해주세요(ex. RMSE, MAE, recall, precision …) 정규화를 왜 해야할까요? 정규화의 방법은 무엇이 있나요? Local Minima와 Global Minima에 대해 설명해주세요. 차원의 저주에 대해 설명해주세요 dimension reduction기법으로 보통 어떤 것들이 있나요? PCA는 차원 축소 기법이면서, 데이터 압축 기법이기도 하고, 노이즈 제거기법이기도 합니다. 왜 그런지 설명해주실 수 있나요? LSA, LDA, SVD 등의 약자들이 어떤 뜻이고 서로 어떤 관계를 가지는지 설명할 수 있나요? Markov Chain을 고등학생에게 설명하려면 어떤 방식이 제일 좋을까요? 텍스트 더미에서 주제를 추출해야 합니다. 어떤 방식으로 접근해 나가시겠나요? SVM은 왜 반대로 차원을 확장시키는 방식으로 동작할까요? 거기서 어떤 장점이 발생했나요? 다른 좋은 머신 러닝 대비, 오래된 기법인 나이브 베이즈(naive bayes)의 장점을 옹호해보세요. Association Rule의 Support, Confidence, Lift에 대해 설명해주세요. 최적화 기법중 Newton’s Method와 Gradient Descent 방법에 대해 알고 있나요? 머신러닝(machine)적 접근방법과 통계(statistics)적 접근방법의 둘간에 차이에 대한 견해가 있나요? 인공신경망(deep learning이전의 전통적인)이 가지는 일반적인 문제점은 무엇일까요? 지금 나오고 있는 deep learning 계열의 혁신의 근간은 무엇이라고 생각하시나요? ROC 커브에 대해 설명해주실 수 있으신가요? 여러분이 서버를 100대 가지고 있습니다. 이때 인공신경망보다 Random Forest를 써야하는 이유는 뭘까요? K-means의 대표적 의미론적 단점은 무엇인가요? (계산량 많다는것 말고) L1, L2 정규화에 대해 설명해주세요 XGBoost을 아시나요? 왜 이 모델이 캐글에서 유명할까요? 앙상블 방법엔 어떤 것들이 있나요? SVM은 왜 좋을까요? feature vector란 무엇일까요? 좋은 모델의 정의는 무엇일까요? 50개의 작은 의사결정 나무는 큰 의사결정 나무보다 괜찮을까요? 왜 그렇게 생각하나요? 스팸 필터에 로지스틱 리그레션을 많이 사용하는 이유는 무엇일까요? OLS(ordinary least squre) regression의 공식은 무엇인가요? 목차로 이동 딥러닝 딥러닝 일반 딥러닝은 무엇인가요? 딥러닝과 머신러닝의 차이는? 왜 갑자기 딥러닝이 부흥했을까요? 마지막으로 읽은 논문은 무엇인가요? 설명해주세요 Cost Function과 Activation Function은 무엇인가요? Tensorflow, Keras, PyTorch, Caffe, Mxnet 중 선호하는 프레임워크와 그 이유는 무엇인가요? Data Normalization은 무엇이고 왜 필요한가요? 알고있는 Activation Function에 대해 알려주세요. (Sigmoid, ReLU, LeakyReLU, Tanh 등) 오버피팅일 경우 어떻게 대처해야 할까요? 하이퍼 파라미터는 무엇인가요? Weight Initialization 방법에 대해 말해주세요. 그리고 무엇을 많이 사용하나요? 볼츠만 머신은 무엇인가요? 요즘 Sigmoid 보다 ReLU를 많이 쓰는데 그 이유는? Non-Linearity라는 말의 의미와 그 필요성은? ReLU로 어떻게 곡선 함수를 근사하나? ReLU의 문제점은? Bias는 왜 있는걸까? Gradient Descent에 대해서 쉽게 설명한다면? 왜 꼭 Gradient를 써야 할까? 그 그래프에서 가로축과 세로축 각각은 무엇인가? 실제 상황에서는 그 그래프가 어떻게 그려질까? GD 중에 때때로 Loss가 증가하는 이유는? 중학생이 이해할 수 있게 더 쉽게 설명 한다면? Back Propagation에 대해서 쉽게 설명 한다면? Local Minima 문제에도 불구하고 딥러닝이 잘 되는 이유는? GD가 Local Minima 문제를 피하는 방법은? 찾은 해가 Global Minimum인지 아닌지 알 수 있는 방법은? Training 세트와 Test 세트를 분리하는 이유는? Validation 세트가 따로 있는 이유는? Test 세트가 오염되었다는 말의 뜻은? Regularization이란 무엇인가? Batch Normalization의 효과는? Dropout의 효과는? BN 적용해서 학습 이후 실제 사용시에 주의할 점은? 코드로는? GAN에서 Generator 쪽에도 BN을 적용해도 될까? SGD, RMSprop, Adam에 대해서 아는대로 설명한다면? SGD에서 Stochastic의 의미는? 미니배치를 작게 할때의 장단점은? 모멘텀의 수식을 적어 본다면? 간단한 MNIST 분류기를 MLP+CPU 버전으로 numpy로 만든다면 몇줄일까? 어느 정도 돌아가는 녀석을 작성하기까지 몇시간 정도 걸릴까? Back Propagation은 몇줄인가? CNN으로 바꾼다면 얼마나 추가될까? 간단한 MNIST 분류기를 TF, Keras, PyTorch 등으로 작성하는데 몇시간이 필요한가? CNN이 아닌 MLP로 해도 잘 될까? 마지막 레이어 부분에 대해서 설명 한다면? 학습은 BCE loss로 하되 상황을 MSE loss로 보고 싶다면? 만약 한글 (인쇄물) OCR을 만든다면 데이터 수집은 어떻게 할 수 있을까? 딥러닝할 때 GPU를 쓰면 좋은 이유는? 학습 중인데 GPU를 100% 사용하지 않고 있다. 이유는? GPU를 두개 다 쓰고 싶다. 방법은? 학습시 필요한 GPU 메모리는 어떻게 계산하는가? TF, Keras, PyTorch 등을 사용할 때 디버깅 노하우는? 뉴럴넷의 가장 큰 단점은 무엇인가? 이를 위해 나온 One-Shot Learning은 무엇인가? 목차로 이동 컴퓨터 비전 OpenCV 라이브러리만을 사용해서 이미지 뷰어(Crop, 흑백화, Zoom 등의 기능 포함)를 만들어주세요 딥러닝 발달 이전에 사물을 Detect할 때 자주 사용하던 방법은 무엇인가요? Fatser R-CNN의 장점과 단점은 무엇인가요? dlib은 무엇인가요? YOLO의 장점과 단점은 무엇인가요? 제일 좋아하는 Object Detection 알고리즘에 대해 설명하고 그 알고리즘의 장단점에 대해 알려주세요 그 이후에 나온 더 좋은 알고리즘은 무엇인가요? Average Pooling과 Max Pooling의 차이점은? Deep한 네트워크가 좋은 것일까요? 언제까지 좋을까요? Residual Network는 왜 잘될까요? Ensemble과 관련되어 있을까요? CAM(Class Activation Map)은 무엇인가요? Localization은 무엇일까요? 자율주행 자동차의 원리는 무엇일까요? Semantic Segmentation은 무엇인가요? Visual Q&A는 무엇인가요? Image Captioning은 무엇인가요? Fully Connected Layer의 기능은 무엇인가요? Neural Style은 어떻게 진행될까요? CNN에 대해서 아는대로 얘기하라 CNN이 MLP보다 좋은 이유는? 어떤 CNN의 파라미터 개수를 계산해 본다면? 주어진 CNN과 똑같은 MLP를 만들 수 있나? 풀링시에 만약 Max를 사용한다면 그 이유는? 시퀀스 데이터에 CNN을 적용하는 것이 가능할까? 목차로 이동 자연어 처리 One Hot 인코딩에 대해 설명해주세요 POS 태깅은 무엇인가요? 가장 간단하게 POS tagger를 만드는 방법은 무엇일까요? 문장에서 “Apple”이란 단어가 과일인지 회사인지 식별하는 모델을 어떻게 훈련시킬 수 있을까요? 뉴스 기사에 인용된 텍스트의 모든 항목을 어떻게 찾을까요? 음성 인식 시스템에서 생성된 텍스트를 자동으로 수정하는 시스템을 어떻게 구축할까요? 잠재론적, 의미론적 색인은 무엇이고 어떻게 적용할 수 있을까요? 영어 텍스트를 다른 언어로 번역할 시스템을 어떻게 구축해야 할까요? 뉴스 기사를 주제별로 자동 분류하는 시스템을 어떻게 구축할까요? Stop Words는 무엇일까요? 이것을 왜 제거해야 하나요? 영화 리뷰가 긍정적인지 부정적인지 예측하기 위해 모델을 어떻게 설계하시겠나요? TF-IDF 점수는 무엇이며 어떤 경우 유용한가요? 한국어에서 많이 사용되는 사전은 무엇인가요? Regular grammar는 무엇인가요? regular expression과 무슨 차이가 있나요? RNN에 대해 설명해주세요 LSTM은 왜 유용한가요? Translate 과정 Flow에 대해 설명해주세요 n-gram은 무엇일까요? PageRank 알고리즘은 어떻게 작동하나요? depedency parsing란 무엇인가요? Word2Vec의 원리는? 그 그림에서 왼쪽 파라메터들을 임베딩으로 쓰는 이유는? 그 그림에서 오른쪽 파라메터들의 의미는 무엇일까? 남자와 여자가 가까울까? 남자와 자동차가 가까울까? 번역을 Unsupervised로 할 수 있을까? 목차로 이동 강화학습 MDP는 무엇일까요? 가치함수는 무엇일까요? 수식으로도 표현해주세요 벨만 방정식은 무엇일까요? 수식으로도 표현해주세요 강화학습에서 다이나믹 프로그래밍은 어떤 의미를 가질까요? 한계점은 무엇이 있을까요? 몬테카를로 근사는 무엇일까요? 가치함수를 추정할 때 어떻게 사용할까요? Value-based Reinforcement Learning과 Policy based Reinforcement Learning는 무엇이고 어떤 관계를 가질까요? 강화학습이 어려운 이유는 무엇일까요? 그것을 어떤 방식으로 해결할 수 있을까요? 강화학습을 사용해 테트리스에서 고득점을 얻는 프로그램을 만드려고 합니다. 어떻게 만들어야 할까요? 목차로 이동 GAN GAN에 대해 아는대로 설명해주세요 GAN의 단점은 무엇인가요? LSGAN에 대해 설명해주세요 GAN이 왜 뜨고 있나요? Auto Encoder에 대해서 아는대로 얘기하라 MNIST AE를 TF나 Keras등으로 만든다면 몇줄일까? MNIST에 대해서 임베딩 차원을 1로 해도 학습이 될까? 임베딩 차원을 늘렸을 때의 장단점은? AE 학습시 항상 Loss를 0으로 만들수 있을까? VAE는 무엇인가? 간단한 MNIST DCGAN을 작성한다면 TF 등으로 몇줄 정도 될까? GAN의 Loss를 적어보면? D를 학습할때 G의 Weight을 고정해야 한다. 방법은? 학습이 잘 안될때 시도해 볼 수 있는 방법들은? 목차로 이동 추천 시스템 추천 시스템에서 사용할 수 있는 거리는 무엇이 있을까요? User 베이스 추천 시스템과 Item 베이스 추천 시스템 중 단기간에 빠른 효율을 낼 수 있는 것은 무엇일까요? 성능 평가를 위해 어떤 지표를 사용할까요? Explicit Feedback과 Implicit Feedback은 무엇일까요? Impicit Feedback을 어떻게 Explicit하게 바꿀 수 있을까요? Matrix Factorization은 무엇인가요? 해당 알고리즘의 장점과 단점은? SQL으로 조회 기반 Best, 구매 기반 Best, 카테고리별 Best를 구하는 쿼리를 작성해주세요 추천 시스템에서 KNN 알고리즘을 활용할 수 있을까요? 유저가 10만명, 아이템이 100만개 있습니다. 이 경우 추천 시스템을 어떻게 구성하시겠습니까? 딥러닝을 활용한 추천 시스템의 사례를 알려주세요 두 추천엔진간의 성능 비교는 어떤 지표와 방법으로 할 수 있을까요? 검색엔진에서 쓰던 방법을 그대로 쓰면 될까요? 안될까요? Collaborative Filtering에 대해 설명한다면? Cold Start의 경우엔 어떻게 추천해줘야 할까요? 고객사들은 기존 추천서비스에 대한 의문이 있습니다. 주로 매출이 실제 오르는가 하는 것인데, 이를 검증하기 위한 방법에는 어떤 것이 있을까요? 위 관점에서 우리 서비스의 성능을 고객에게 명확하게 인지시키기 위한 방법을 생각해봅시다. 목차로 이동 데이터베이스 PostgreSQL의 장점은 무엇일까요? 인덱스는 크게 Hash 인덱스와 B+Tree 인덱스가 있습니다. 이것은 무엇일까요? 인덱스 Scan 방식은 무엇이 있나요? 인덱스 설계시 NULL값은 고려되야 할까요? Nested Loop 조인은 무엇일까요? Windows 함수는 무엇이고 어떻게 작성할까요? KNN 알고리즘을 쿼리로 구현할 수 있을까요? MySQL에서 대량의 데이터(500만개 이상)를 Insert해야하는 경우엔 어떻게 해야할까요? RDB의 char와 varchar의 차이는 무엇일까요? 구글의 BigQuery, AWS의 Redshift는 기존 RDB와 무슨 차이가 있을까요? 왜 빠를까요? 쿼리의 성능을 확인하기 위해 어떤 쿼리문을 작성해야 할까요? MySQL이 요새 느리다는 신고가 들어왔습니다. 첫번째로 무엇을 확인하시고 조정하시겠나요? 동작하는 MySQL에 Alter table을 하면 안되는 이유를 설명해주세요. 그리고 대안을 설명해주세요 빡세게 동작하고 있는 MySQL을 백업뜨기 위해서는 어떤 방법이 필요할까요? 목차로 이동 데이터 시각화 네트워크 관계를 시각화해야 할 경우 어떻게 해야할까요? Tableau같은 BI Tool은 어느 경우 도입하면 좋을까요? “신규/재방문자별 지역별(혹은 일별) 방문자수와 구매전환율”이나 “고객등급별 최근방문일별 고객수와 평균구매금액”와 같이 4가지 이상의 정보를 시각화하는 가장 좋은 방법을 추천해주세요 구매에 영향을 주는 요소의 발견을 위한 관점에서, 개인에 대한 쇼핑몰 웹 활동의 시계열 데이터를 효과적으로 시각화하기 위한 방법은 무엇일까요? 표현되어야 하는 정보(feature)는 어떤 것일까요? 실제시 어떤 것이 가장 고민될까요? 파이차트는 왜 구릴까요? 언제 구린가요? 안구릴때는 언제인가요? 히스토그램의 가장 큰 문제는 무엇인가요? 워드클라우드는 보기엔 예쁘지만 약점이 있습니다. 어떤 약점일까요? 어떤 1차원값이, 데이터가 몰려있어서 직선상에 표현했을 때 보기가 쉽지 않습니다. 어떻게 해야할까요? 목차로 이동 시스템 엔지니어링 지속적인 Cron 작업이 필요합니다. (dependency가 있는 작업들도 존재합니다) 어떻게 작업들을 관리할까요? 처음 서버를 샀습니다. 어떤 보안적 조치를 먼저 하시겠습니까? SSH로의 brute-force attack을 막기 위해서 어떤 조치를 취하고 싶으신가요? 프로세스의 CPU 상태를 보기 위해 top을 했습니다. user,system,iowait중에 뭐를 제일 신경쓰시나요? 이상적인 프로그램이라면 어떻게 저 값들이 나오고 있어야 할까요? iowait이 높게 나왔다면, 내가 해야하는 조치는 무엇인가요? (돈으로 해결하는 방법과 소프트웨어로 해결하는 방법을 대답해주세요) 동시에 10개의 컴퓨터에 라이브러리를 설치하는 일이 빈번히 발생합니다. 어떤 해결책이 있을까요? screen과 tmux중에 뭘 더 좋아하시나요? vim입니까. emacs입니까. 소속을 밝히세요. 가장 좋아하는 리눅스 배포판은 뭡니까. 왜죠? 관리하는 컴퓨터가 10대가 넘었습니다. 중요한 모니터링 지표는 뭐가 있을까요? 뭐로 하실건가요? GIT의 소스가 있고, 서비스 사용중인 웹서버가 10대 이상 넘게 있습니다. 어떻게 배포할건가요? 목차로 이동 분산처리 Apache Beam에 대해 아시나요? 기존 하둡과 어떤 차이가 있을까요? 좋게 만들어진 MapReduce는 어떤 프로그램일까요? 데이터의 Size 변화의 관점에서 설명할 수 있을까요? 여러 MR작업의 연쇄로 최종결과물이 나올때, 중간에 작업이 Fail날수 있습니다. 작업의 Fail은 어떻게 모니터링 하시겠습니까? 작업들간의 dependency는 어떻게 해결하시겠습니까? 분산환경의 JOIN은, 보통 디스크, CPU, 네트워크 중 어디에서 병목이 발생할까요? 이를 해결하기 위해 무엇을 해야 할까요? 암달의 법칙에 대해 말해봅시다. 그러므로 왜 shared-nothing 구조로 만들어야 하는지 설명해봅시다. shared-nothing 구조의 단점도 있습니다. 어떤 것이 해당할까요? Spark이 Hadoop보다 빠른 이유를 I/O 최적화 관점에서 생각해봅시다. 카산드라는 망한것 같습니다. 왜 망한것 같나요? 그래도 활용처가 있다면 어디인것 같나요. TB 단위 이상의 기존 데이터와 시간당 GB단위의 신생 로그가 들어오는 서비스에서 모든 가입자에게 개별적으로 계산된 실시간 서비스(웹)를 제공하기 위한 시스템 구조를 구상해봅시다. 대용량 자료를 빠르게 lookup해야 하는 일이 있습니다. (100GB 이상, 100ms언더로 특정자료 찾기). 어떤 백엔드를 사용하시겠나요? 느린 백엔드를 사용한다면 이를 보완할 방법은 뭐가 있을까요? 데이터를 여러 머신으로 부터 모으기 위해 여러 선택지가 있을 수 있습니다. (flume, fluentd등) 아예 소스로부터 kafka등의 메시징 시스템을 바로 쓸 수도 있습니다. 어떤 것을 선호하시나요? 왜죠? 목차로 이동 웹 아키텍쳐 트래픽이 몰리는 상황입니다. AWS의 ELB 세팅을 위해서 웹서버는 어떤 요건을 가져야 쉽게 autoscale가능할까요? 왜 Apache보다 Nginx가 성능이 좋을까요? node.js가 성능이 좋은 이유와 곁들여 설명할 수 있을까요? node.js는 일반적으로 빠르지만 어떤 경우에는 쓰면 안될까요? 하나의 IP에서 여러 도메인의 HTTPS 서버를 운영할 수 있을까요? 안된다면 왜인가요? 또 이걸 해결하는 방법이 있는데 그건 뭘까요? 개발이 한창 진행되는 와중에도 서비스는 계속 운영되어야 합니다. 이를 가능하게 하는 상용 deploy 환경은 어떻게 구현가능한가요? WEB/WAS/DB/Cluster 각각의 영역에서 중요한 변화가 수반되는 경우에도 동작 가능한, 가장 Cost가 적은 방식을 구상하고 시나리오를 만들어봅시다. 목차로 이동 서비스 구현 크롤러를 파이썬으로 구현할 때 BeautifulSoup과 Selenium의 장단점은 무엇일까요? 빈번한 접속으로 우리 IP가 차단되었을 때의 해결책은? (대화로 푼다. 이런거 말구요) 당장 10분안에 사이트의 A/B 테스트를 하고 싶다면 어떻게 해야 할까요? 타 서비스를 써도됩니다. 신규 방문자와 재 방문자를 구별하여 A/B 테스트를 하고 싶다면 어떻게 해야 할까요? R의 결과물을 python으로 만든 대시보드에 넣고 싶다면 어떤 방법들이 가능할까요? 쇼핑몰의 상품별 노출 횟수와 클릭수를 손쉽게 수집하려면 어떻게 해야 할까요? 여러 웹사이트를 돌아다니는 사용자를 하나로 엮어서 보고자 합니다. 우리가 각 사이트의 웹에 우리 코드를 삽입할 수 있다고 가정할 때, 이것이 가능한가요? 가능하다면, 그 방법에는 어떤 것이 있을까요? 고객사 혹은 외부 서버와의 데이터 전달이 필요한 경우가 있습니다. 데이터 전달 과정에서 보안을 위해 당연히(plain text)로 전송하는 것은 안됩니다. 어떤 방법이 있을까요? 목차로 이동 대 고객 사이드 고객이 궁금하다고 말하는 요소가 내가 생각하기에는 중요하지 않고 다른 부분이 더 중요해 보입니다. 어떤 식으로 대화를 풀어나가야 할까요? 현업 카운터 파트와 자주 만나며 실패한 분석까지 같이 공유하는 경우와, 시간을 두고 멋진 결과만 공유하는 케이스에서 무엇을 선택하시겠습니까? 고객이 질문지 리스트를 10개를 주었습니다. 어떤 기준으로 우선순위를 정해야 할까요? 오프라인 데이터가 결합이 되어야 해서, 데이터의 피드백 주기가 매우 느리고 정합성도 의심되는 상황입니다. 우리가 할 수 있는 액션이나 방향 수정은 무엇일까요? 동시에 여러개의 A/B테스트를 돌리기엔 모수가 부족한 상황입니다. 어떻게 해야할까요? 고객사가 과도하게 정보성 대시보드만을 요청할 경우, 어떻게 대처해야 할까요? 고객사에게 위클리 리포트를 제공하고 있었는데, 금주에는 별다른 내용이 없었습니다. 어떻게 할까요? 카페24, 메이크샵 같은 서비스에서 데이터를 어떻게 가져오면 좋을까요? 기존에 같은 목적의 업무를 수행하던 조직이 있습니다. 어떻게 관계 형성을 해 나가야 할까요. 혹은 일이 되게 하기 위해서는 어떤 부분이 해소되어야 할까요. 인터뷰나 강의에 활용하기 위한 백데이터는 어느 수준까지 일반화 해서 사용해야 할까요? 고객사가 우리와 일하고 싶은데 현재는 capa가 되지 않습니다. 어떻게 대처해야 할까요? 목차로 이동 개인정보 어떤 정보들이 개인정보에 해당할까요? ID는 개인정보에 해당할까요? 이를 어기지 않는 합법적 방법으로 식별하고 싶으면 어떻게 해야할까요? 국내 개인 정보 보호 현황에 대한 견해는 어떠한지요? 만약 사업을 진행하는데 장애요소로 작용한다면, 이에 대한 해결 방안은 어떤 것이 있을까요? 제3자 쿠키는 왜 문제가 되나요?