AICE

○ 데이터 전처리 ) DataFrame에서 결측 행을 제거하는 pandas 메서드로 적절한 것은? 0pt · 정답 3명

○ 모델링 ) 과적합 점검을 위해 학습/평가로 나누는 이유로 옳은 것은? 0pt · 정답 1명

○ 평가 ) 양성 1% 불균형 데이터에서 Accuracy만 높은 모델이 위험할 수 있는 이유는? 0pt · 정답 1명

○ 모델링 ) 양성 확률 임계값을 높이면 일반적으로 기대되는 변화는? 0pt · 정답 1명

○ DataFrame에서 결측값을 특정 값으로 채우는 pandas 메서드로 적절한 것은? 0pt · 정답 1명

○ StandardScaler 사용 시 데이터 누수를 줄이는 방법으로 옳은 것은? 0pt · 정답 1명

○ 질병 양성 환자를 놓치면 위험한 상황에서 특히 중요할 수 있는 지표는? 0pt · 정답 1명

○ cross_val_score를 쓰는 이유로 가장 적절한 것은? 0pt · 정답 1명

○ 사분위수 기반(IQR) 이상치 탐지에서 흔히 쓰는 경계는? 0pt · 정답 1명

○ 불균형 분류에서 train_test_split에 stratify=y를 주는 이유로 옳은 것은? 0pt · 정답 2명

○ 고객 테이블과 주문 테이블을 고객ID로 붙이는 메서드는? 0pt · 정답 2명

○ 컬럼별 결측 비율을 한눈에 보는 코드로 적절한 것은? 0pt · 정답 2명

○ 이진 분류에서 임계값에 덜 의존하는 변별력 지표는? 0pt · 정답 1명

○ 결정트리에서 max_depth를 매우 크게 두면? 0pt · 정답 2명

○ 숫자 열의 사분위와 이상치를 빠르게 보는 그림은? 0pt · 정답 2명

○ 클래스 확률을 얻어 임계값을 직접 정하려면? 0pt · 정답 2명

○ DataFrame에서 결측 행을 제거하는 pandas 메서드로 적절한 것은? 0pt · 정답 2명

○ 고객의 서비스 해지 여부를 예측하는 분류 모델을 개발한 분석가가 전체 데이터를 사용해 모델을 학습한 뒤, 동일한 데이터에서 정확도를 측정했더니 98%라는 높은 성능을 얻었다. 그러나 이 결과만으로 실제 신규 고객에 대해서도 비슷한 성능을 낼 것이라고 판단하기는 어렵다. 따라서 모델 개발 전에 데이터를 학습용과 평가용으로 분리하려고 할 때, 그 주된 목적은? 0pt · 정답 1명

○ 한 금융회사가 전체 거래 중 약 1%만 사기 거래인 데이터를 이용해 탐지 모델을 개발하였다. 어떤 모델이 모든 거래를 정상 거래로 예측했는데도 Accuracy가 약 99%로 나타났다. 이처럼 클래스가 심하게 불균형한 상황에서 Accuracy만을 이용해 모델의 성능을 평가하는 것이 적절하지 않을 수 있는 이유로 가장 알맞은 것은? 0pt · 정답 1명

○ 분석가가 고객 데이터를 표준화한 뒤 로지스틱 회귀 모델을 학습하려 한다. 그런데 전체 데이터의 평균과 표준편차를 먼저 계산해 표준화를 수행한 후 데이터를 학습용과 평가용으로 나누면, 평가 데이터의 정보가 간접적으로 모델 개발 과정에 반영될 수 있다. 이러한 문제를 줄이기 위해 Scikit-learn의 Pipeline을 이용하는 이유는? 0pt · 정답 1명

○ 온라인 쇼핑몰 데이터를 탐색하던 분석가가 고객의 월평균 사이트 방문 시간과 월평균 구매금액이 서로 어떤 관계를 가지는지 확인하려 한다. 산점도를 통해 두 변수의 관계를 시각적으로 살펴본 뒤, 관계의 방향과 강도를 하나의 수치로 요약하고자 할 때 가장 적절한 방법은? 0pt · 정답 1명

○ 한 의료기관은 질병 발생 확률을 출력하는 이진 분류 모델을 사용하고 있으며, 현재 예측 확률이 0.5 이상이면 환자를 양성으로 분류하고 있다. 그런데 불필요한 추가 검사를 줄이기 위해 양성으로 판정하는 기준을 0.5에서 0.8로 높이는 방안을 검토하고 있다. 다른 조건이 동일하다고 할 때 일반적으로 기대할 수 있는 변화로 가장 적절한 것은? 0pt · 정답 1명

○ 완전히 같은 행이 여러 개일 때 하나를 남기는 메서드는? 0pt · 정답 1명

○ 값을 0~1 구간으로 선형 변환하는 스케일러는? 0pt · 정답 1명

○ 회귀에서 오차의 절대값 평균은? 0pt · 정답 0명

○ 실험 재현을 위해 train_test_split에 넘기는 인자로 적절한 것은? 0pt · 정답 1명

○ 범주형 컬럼의 값별 개수를 볼 때 쓰는 메서드는? 0pt · 정답 1명

○ 불균형·임계값 튜닝 때 필수다. 0pt · 정답 0명

○ Series/DataFrame 각 원소(또는 행)에 파이썬 함수를 적용할 때 쓰는 것은? 0pt · 정답 0명

○ Associate) LabelEncoder를 train+test 전체에 fit하면 생기는 문제는? 0pt · 정답 1명

○ Associate) 양성으로 예측한 것 중 실제 양성의 비율을 보는 지표는? 0pt · 정답 1명

○ Associate) 특성별 평균 0, 분산 1로 맞추는 스케일러는? 0pt · 정답 1명

○ Associate) 여러 수치형 변수 쌍의 관계를 한눈에 보려 할 때 쓰는 것은? 0pt · 정답 1명

○ Associate) 오른쪽 꼬리가 긴 수치형 결측을 대치할 때 평균보다 종종 선호되는 것은? 0pt · 정답 1명

○ 이진 분류모형에서 양성 클래스로 판정하는 임계값을 높였을 때 일반적으로 나타나는 변화로 가장 적절한 것은? 0pt · 정답 1명

○ 회귀모형을 평가할 때 사용하는 결정계수 (R^2)에 대한 설명으로 가장 적절한 것은? 0pt · 정답 1명

○ StratifiedKFold에 대한 설명으로 옳은 것은? 0pt · 정답 0명

○ 피어슨 상관계수가 -1에 가까운 두 변수에 대한 해석으로 가장 적절한 것은? 0pt · 정답 1명

○ 학습 데이터와 평가 데이터에 StandardScaler를 적용하는 방법으로 가장 적절한 것은? 0pt · 정답 1명

○ 전처리기와 머신러닝 모델을 결합한 Pipeline을 사용할 때 데이터 누수를 방지하는 방법으로 가장 적절한 것은? 0pt · 정답 1명

○ Random Forest에 대한 설명으로 옳은 것은? 0pt · 정답 1명

○ Missing Indicator를 사용하는 목적으로 가장 적절한 것은? 0pt · 정답 1명

○ 머신러닝 실험 로그에 대한 설명으로 옳지 않은 것은? 0pt · 정답 1명

○ pandas의 dropna() 함수에 대한 설명으로 옳은 것은? 0pt · 정답 1명

○ pandas의 duplicated() 함수에 대한 설명으로 옳은 것은? 0pt · 정답 1명

○ Ordinal Encoding을 적용할 때 주의할 점으로 옳은 것은? 0pt · 정답 1명

○ MinMaxScaler를 이용한 데이터 변환에 대한 설명으로 옳은 것은? 0pt · 정답 1명

○ 머신러닝 프로젝트에서 베이스라인 모델을 구축하는 주된 목적으로 가장 적절한 것은? 0pt · 정답 1명

○ 학습 데이터와 검증 데이터의 성능 차이에 대한 설명으로 옳지 않은 것은? 0pt · 정답 1명

○ 이진 분류에서 Positive 판정 임계값을 높였을 때 나타날 수 있는 변화로 가장 적절한 것은? 0pt · 정답 1명

○ 불균형 분류 데이터에 StratifiedKFold를 적용할 때 고려해야 할 사항으로 옳은 것은? 0pt · 정답 0명

○ 회귀모델의 평가지표인 결정계수(R²)에 대한 설명으로 옳은 것은? 0pt · 정답 0명

○ 텍스트 분류를 위해 TF-IDF 벡터화를 적용할 때의 설명으로 가장 적절한 것은? 0pt · 정답 0명

○ 이미지 픽셀값을 255로 나누는 전처리에 관한 설명으로 가장 적절한 것은? 0pt · 정답 0명

○ 학습 데이터에 Pipeline을 적합하고 테스트 데이터에 적용하는 방법으로 가장 적절한 것은? 0pt · 정답 0명

○ Random Forest의 학습 원리와 특성에 관한 설명으로 가장 적절한 것은? 0pt · 정답 0명

○ 결측값 대체와 결측 지시 변수를 함께 사용하는 방식에 관한 설명으로 가장 적절한 것은? 0pt · 정답 0명

○ 모델 실험을 비교하고 재현하기 위해 로그에 기록할 정보로 가장 적절한 것은? 0pt · 정답 0명

○ TF-IDF — 정의로 옳은 것은? NEW 0pt · 정답 1명

○ 픽셀 /255 — 목적으로 가장 적절한 것은? NEW 0pt · 정답 0명

○ Pipeline.fit — 잘못 설명한 것은? NEW 0pt · 정답 0명

○ RandomForest — 실무에서 쓰는 이유로 옳은 것은? NEW 0pt · 정답 0명

○ missing indicator — 다음 중 관련 개념으로 맞는 것은? NEW 0pt · 정답 1명

○ 실험 로그 — 한계·주의점으로 옳은 것은? NEW 0pt · 정답 0명

○ 긴 형태(날짜, 지표명, 값)를 지표명별 컬럼으로 펼칠 때 쓰는 것은? 0pt · 정답 0명

○ 선형 모델에 제곱·교차항을 넣으려면? 0pt · 정답 0명

○ 맞힌 클래스에 높은 확률을 줄수록 좋아지는 지표는? 0pt · 정답 0명

○ early stopping의 목적으로 가장 적절한 것은? 0pt · 정답 0명

○ 오른쪽 꼬리가 긴 분포를 가리키는 말은? 0pt · 정답 0명

○ SMOTE의 개념으로 가장 적절한 것은? 0pt · 정답 0명

○ Pandas dropna() 10pt · 정답 0명

○ Pandas duplicated() 10pt · 정답 0명

○ Ordinal Encoding 10pt · 정답 0명

○ MinMaxScaler 10pt · 정답 0명

○ 베이스라인 모델 10pt · 정답 0명

○ 과적합(Overfitting) 10pt · 정답 0명

객관식 문제