Loading the catalog…
Loading the catalog…
면접 스크립 인공지능, 머신러닝, 딥러닝은 무엇인가요? 인공지능은 인간의 지능을 인공적으로 만드는 것으로 인식, 학습, 추론, 문제해결 등 지능적인 작업을 컴퓨터나 시스템을 통해 수행하는 가장 큰 상위 개념의 기술입니다. 머신러닝은 데이터를 기반으로 컴퓨터가 스스로 패턴을 학습하여 이를 바탕으로 예측된 값을 도출하는 분야입니다. 딥러닝은 딥뉴런 네트워크로 인간뇌의 신경구조망을 모방한 인공신경망 기반으로 학습하는 방법입니다. 1-1. 딥러닝이 기존 머신러닝보다 항상 좋은가요? 아닙니다. 데이터의 규모와 형태, 연산 비용, 해석 가능성에 따라 적합한 방법이 달라집니다. 데이터가 적거나 정형 데이터 중심인 문제에서는 머신러닝 방법이 더 적합할 수 있습니다. 지도학습, 비지도학습, 강화학습의 차이는 무엇인가요? 지도학습은 문제인 데이터와 라벨인 정답을 함께 알려주고 관계를 학습시키는 방법입니다. 비지도학습은 정답없이 데이터만 주고 학습시키는 방법입니다. 강화학습은 데이터 대신 환경과 상호작용하며 얻은 경험을 바탕으로, 누적 보상이 커지는 행동 방식을 학습이라고 합니다. 2-1. 강화학습의 보상과 지도학습의 정답은 어떻게 다른가요? 강화학습의 보상은 행동의 결과를 평가하며, 여러 행동 중 무엇이 결과에 기여했는지 판단해야합니다. 지도학습의 정답은 문제에 대해 원하는 출력을 직접 알려주는 것입니다. 분류인 클레스피케이션과 회귀의 레그레이션의 차이는 무엇인가요? 분류는 정상, 불량처럼 범주형 데이터를 예측하는 것입니다. 회귀는 판매량이나 온도처럼 연속적인 수치를 예측하는 것 입니다. 문제를 어떻게 정의하고 데이터를 어떻게 다루냐에 따라 달라집니다. 로지스틱 회귀란 무엇인가요? 로지스틱 회귀는 주로 이진분류에서 사용하는 모델로, 특정 클래스에 속할 확률을 예측하는 방법입니다. 기본적으로 여러값들에 각각의 가중치를 곱해 더하고, 편향을 더한 뒤, 시그모이드 함수를 적용하여 확률을 구하는 방식으로 작동합니다. 로직스틱 회귀는 이진분류를 위해 로짓을 선형회귀함으로써 분류를 수행하는 것입니다. 여기서 로짓이란 로그 오즈인데, 오즈는 승산을 뜻하고, 만약 이길 확률을 Q라고 했을떄, 1마이너스 Q분의 Q로 나타낸것이 오즈입니다. 이 오즈에 로그를 취한것이 바로 로짓입니다. 결과적으로 로지스틱회귀는 이 로짓을 바탕으로 도출된 입력의 관계를 선형적으로 모델링하고, 이 로짓의 역함수인 시그모이드 함수를 통해 최종 확률을 구하는 방식입니다. 4-1. 로지스틱회귀는 회귀인가요? 분류인가요? 이름에는 회귀가 들어가지만 분류알고리즘입니다. 내부적으로 선형 회귀 방식을 사용하여 확률 또는 수치를 예측하지만 최종 목적이 클래스를 구분하는 이진 분류로 0 또는 1이기 때문에 분류 알고리즘으로 정의합니다. 4.2. 로지스틱 회귀에서 로스는 무엇을 사용하고, 학습은 어떻게 되는가요? 로지스틱 회귀에서 이진분류를 할때는 바이너리 크로스엔트로피를 손실함수로 사용합니다. 학습은 어떻게 되나면 이 로스인 손실함수를 각 가중치인 웨이트에 대해 편미분한 기울기인 그라디언트를 구하는 것으로 시작합니다. 구한 그라디언트의 반대 방향에 학습률을 곱해서 가중치를 업데이트합니다. 왜냐면 그라디언트는 무조건 가장 가파른 방향을 향하기 때문에 손실이 가장 빠르게 증가하는 방향을 나타내기 때문입니다. 따라서 그 반대 방향으로 이동함으로 손실을 효과적으로 줄여나갈 수 있습니다. 이때 그라디언트의 크기가 너무 클 수 있으므로, 학습률을 곱해 가중치가 업데이트되는 보폭을 조절합니다. 가중치를 업데이트 할때는 경사하강법외에서 발전된 SGD, 아담과 같은 최적화 옵티미제이션 알고리즘을 사용할 수 있습니다. 4-3. 그라디언트는 무엇인가요? 그라디언트란 손실을 가중치와 편향에 대해 편미분한 결과를 하나의 벡터로 모은 기울기 벡터입니다. 수학적으로 그라디언트는 손실이 가장 빠르게 증가하는 방향을 가르키기 때문에, 현재 파라미터 값에서 그라디언트를 구한 뒤, 그 반대 방향으로 학습률을 곱해 업데이트하며 손실을 줄여나가는 방식이 경상하강법의 원리입니다. 하지만 경사하강법은 글로벌 미니멈이 아닌 로컬 미니멈에 빠질 수 있고, 모든 데이터를 고려하기 때문에 업데이트가 오래 걸리는 단점들이 있습니다. 이를 보완하기 위해 등장한 SGD는 단 하나의 데이터만 가지고 그라디언트를 구하므로 속도가 훨씬 빠르고, 노이즈 덕분에 로컬 미니멈에서 탈출할 기회도 가질 수 있습니다.
What RADAR observed and classified to build this opportunity. It is what the source published, not a verification that the offer is still active.
구슬면접 준비. 면접 스크립 인공지능, 머신러닝, 딥러닝은 무엇인가요? 인공지능은 인간의 지능을 인공적으로 만드는 것으로 인식, 학습, 추론, 문제해결 등 지능적인 작업을 컴퓨터나 시스템을 통해 수행하는 가장 큰 상위 개념의 기술입니다. 머신러닝은 데이터를 기반으로 컴퓨터가 스스로 패턴을 학습하여 이를 바탕으로 예측된 값을 도출하는 분야입니다. 딥러닝은 딥뉴런 네트워크로 인간뇌의 신경구조망을 모방한 인공신경망 기반으로 학습하는 방법입니다. 1-1. 딥러닝이 기존 머신러닝보다 항상 좋은가요? 아닙니다. 데이터의 규모와 형태, 연산 비용, 해석 가능성에 따라 적합한 방법이 달라집니다. 데이터가 적거나 정형 데이터 중심인 문제에서는 머신러닝 방법이 더 적합할 수 있습니다. 지도학습, 비지도학습, 강화학습의…
Open source