1. 머신러닝을 어떻게 정의할 수 있나요?
명시적인 프로그래밍없이 데이터로부터 작업의 성능을 더 나아지도록 만드는 것.
2. 머신러닝에 도움을 줄 수 있는 문제 유형 네가지를 말해보세요.
- 명확한 해결방법이 없는 복잡한 문제
- 기존 솔루션으론 많은 수동 조정과 규칙이 필요한 문제
- 새로운 데이터가 계속해서 생성되는 유동적인 문제
- 사람이 일반적으로 알기 어려운 통찰이 필요한 문제
6. 사전정보가 없는 여러 지형에서 로봇을 걸어가게 하려면 어떤 종류의 머신러닝 알고리즘을 사용할 수 있나요?
강화학습
7. 고객을 여러 그룹으로 분할하려면 어떤 알고리즘을 사용해야 할까요?
분할기준을 알고, 레이블 정보가 있을경우 분류 지도학습
없을 경우 군집을 사용한 비지도 학습
9. 온라인 학습 시스템이 무엇인가요?
훈련이 마무리되지않고, 새로운 데이터를 통해서 점진적으로 훈련 가능한 학습법, 변화에 빠르게 적응한다.
10. 외부 메모리학습은 무엇인가요?
대용량 훈련 데이터가 제한된 컴퓨터 메모리에 전부 들어가지않아서 배치로 나누어 온라인 학습을 하는 학습법
15. 모델이 훈련데이터에서의 성능은 좋지만 새로운 샘플에서의 일반화 성능이 나쁘다면 어떤 문제가 있는 건가요? 가능한 해결책 세 가지는 무엇인가요?
검증 데이터의 성능이 나빠지면 과대적합되었을 가능성이 크다.
- 모델의 복잡도를 낮춰 훈련 데이터의 적합성을 낮춘다.
- 데이터를 추가하여 다양한 데이터로 훈련시킨다.
- 모델에 제약을 부여한다. 과도하게 가중치가 높아지지 않도록 한다.
- 훈련 데이터에 있는 잡음을 제거한다. 데이터를 정제한다.
17. 검증 세트의 목적은 무엇인가요?
모델의 성능을 비교하기 위해 사용한다. 하이퍼파리미터를 조정하기위해 사용한다.