Skip to content

seungtaek94/Datascience-Interview-Questions

ย 
ย 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

ย 

History

20 Commits
ย 
ย 
ย 
ย 

Repository files navigation

Datascience-Interview-Questions

Intro

  • ๋ฐ์ดํ„ฐ ์‚ฌ์ด์–ธ์Šค ๋ถ„์•ผ์˜ ์ธํ„ฐ๋ทฐ ์งˆ๋ฌธ์„ ๋ชจ์•„๋ดค์Šต๋‹ˆ๋‹ค. (๋ฐ์ดํ„ฐ ๋ถ„์„๊ฐ€ / ๋ฐ์ดํ„ฐ ์‚ฌ์ด์–ธํ‹ฐ์ŠคํŠธ / ๋ฐ์ดํ„ฐ ์—”์ง€๋‹ˆ์–ด)
    • ๊ตฌ์ง์ž์—๊ฒ ์˜ˆ์ƒ ์งˆ๋ฌธ์„ ํ†ตํ•ด ๋ฉด์ ‘ ํ•ฉ๊ฒฉ์„ ํ•  ์ˆ˜ ์žˆ๋„๋ก, ๋ฉด์ ‘๊ด€์—๊ฒ ์ข‹์€ ๋ฉด์ ‘ ์งˆ๋ฌธ์„ ํ•  ์ˆ˜ ์žˆ๋„๋ก, ๋”ฅ๋Ÿฌ๋‹ ๊ณต๋ถ€ํ•˜๋Š” ๋ถ„๋“ค์—๊ฒ ์šฉ์–ด๋ฅผ ์•Œ ์ˆ˜ ์žˆ๋„๋ก ๋„์™€๋“œ๋ฆฌ๊ธฐ ์œ„ํ•ด ๋ณธ ๋ฌธ์„œ๋ฅผ ๋งŒ๋“ค๊ฒŒ ๋˜์—ˆ์Šต๋‹ˆ๋‹ค. ๋‹ค๋งŒ ์—ฌ๊ธฐ์— ๋‚˜์˜จ ๋ชจ๋“  ๊ฒƒ๋“ค์„ ์•Œ ํ•„์š”๋Š” ์—†์Šต๋‹ˆ๋‹ค. ํŠน์ • ๋ถ„์•ผ์— ์ด๋Ÿฐ ๊ฒƒ๋“ค์ด ์žˆ๋‚˜๋ณด๋‹ค~ ์ •๋„์˜ ํ‚ค์›Œ๋“œ๋งŒ ๊ฐ€์ ธ๊ฐ€๋„ ์ถฉ๋ถ„ํžˆ ์ข‹์„ ๊ฒƒ ๊ฐ™์Šต๋‹ˆ๋‹ค!
    • (๋‹จ, ํ…Œ๋งˆ๊ฐ€ ์–ด์ƒ‰ํ•˜๊ฑฐ๋‚˜ ์งˆ๋ฌธ์ด ์ด์ƒํ•œ ๊ฒƒ๋“ค์ด ์กด์žฌํ•  ์ˆ˜ ์žˆ์œผ๋‹ˆ ๊ผญ ์„ ๋ณ„ํ•ด์„œ ๋ณด์‹œ๊ธธ ๋ถ€ํƒ๋“œ๋ฆฝ๋‹ˆ๋‹ค!!!)
    • ์ •๋‹ต์€ ๋”ฐ๋กœ ์ž‘์„ฑํ•˜์ง€ ์•Š์œผ๋ฉฐ ์งˆ๋ฌธ ์œ„์ฃผ๋กœ ์ž‘์„ฑํ–ˆ์Šต๋‹ˆ๋‹ค. ( ํ•˜์šฉํ˜ธ๋‹˜, ๋‚จ์„ธ๋™๋‹˜์˜ ํ—ˆ๋ฝ์„ ๋ฐ›์•„ ๋‚ด์šฉ์„ ํฌํ•จํ–ˆ์Šต๋‹ˆ๋‹ค )
  • ์งˆ๋ฌธ์˜ ํ…Œ๋งˆ๋ฅผ ๋„ฃ๊ธฐ ์• ๋งคํ•  ๊ฒฝ์šฐ์—” ์ œ๊ฐ€ ์ž„์˜๋กœ ๋„ฃ์—ˆ์Šต๋‹ˆ๋‹ค. ๋˜ํ•œ ํŠน์ • ๋ถ„์•ผ๋Š” ์ œ ์–•์€ ์ง€์‹์œผ๋กœ ๋ฌธ์ œ๋ฅผ ์ž‘์„ฑํ–ˆ์œผ๋‹ˆ, ๋ฌธ์ œ๊ฐ€ ๋ถ€์กฑํ•˜๋‹ค๊ณ  ๋Š๋ผ์‹œ๋ฉด ์–ธ์ œ๋“  PR ๋‚ ๋ ค์ฃผ์„ธ์š” :)
  • Github์—์„œ ๋ณด์‹ค ๋ถ„๋“ค์€ ๋งํฌ๋ฅผ ํด๋ฆญํ•ด์ฃผ์„ธ์š”
  • Data Science ๊ณต๋ถ€์— ๋Œ€ํ•œ ์ „๋ฐ˜์ ์ธ ๋‚ด์šฉ์ด ๊ถ๊ธˆํ•˜์‹  ๋ถ„์€ I-want-to-study-Data-Science ๋ฌธ์„œ๋ฅผ ๋ณด์‹œ๋ฉด ์ข‹์„ ๊ฒƒ ๊ฐ™์•„์š” :)
  • ๊ฐœ๋ฐœ ์ „๋ฐ˜์ ์ธ ๋ฉด์ ‘ ์งˆ๋ฌธ์€ Interview_Question_for_Beginner๋ฅผ ์ถ”์ฒœํ•ฉ๋‹ˆ๋‹ค! ์‹ ์ž… ๋ฐ์ดํ„ฐ ์—”์ง€๋‹ˆ์–ด์˜ ๊ฒฝ์šฐ ํ•ด๋‹น ๋ฌธ์„œ์— ์žˆ๋Š” CS ๋‚ด์šฉ์„ ์ˆ™์ง€ํ•˜๋ฉด ์ข‹์„ ๊ฒƒ ๊ฐ™์Šต๋‹ˆ๋‹ค

Contents

๊ณตํ†ต ์งˆ๋ฌธ

  • ์™œ ํ•ด๋‹น ์ง๊ตฐ์œผ๋กœ ์ง€์›ํ–ˆ๋‚˜์š”?
  • ์™œ ์ €ํฌ ํšŒ์‚ฌ์— ์ง€์›ํ•˜์…จ๋‚˜์š”?
  • ํ•ด๋‹น ์ง๊ตฐ์˜ ๋งค๋ ฅ์ด ๋ฌด์—‡์ด๋ผ๊ณ  ์ƒ๊ฐํ•˜๋‚˜์š”?
  • ํ•ด๋‹น ์ง๊ตฐ์—์„œ ๋ณธ์ธ์˜ ์žฅ์ ์€?
  • ํ•ด๋‹น ์ง๊ตฐ์„ ํ•˜๋ฉด์„œ ์ด๋ฃจ๊ณ ์ž ํ•˜๋Š” ๋ชฉํ‘œ๋Š”?
  • ํ•ด๋‹น ์ง๊ตฐ์„ ํ•˜๊ธฐ ์œ„ํ•ด ์–ด๋–ค ๋…ธ๋ ฅ์„ ํ–ˆ๋‚˜์š”?
  • ์™œ ์ €ํฌ๊ฐ€ ์ง€์›์ž๋ฅผ ๋ฝ‘์•„์•ผ ํ•˜๋‚˜์š”?
  • ์ง€์›์ž์˜ ๋‹จ์ ์€ ๋ฌด์—‡์ธ๊ฐ€์š”?

ํ”„๋กœ์ ํŠธ

  • ๋ฐ์ดํ„ฐ๋ฅผ ์–ด๋–ป๊ฒŒ ๊ตฌํ–ˆ๋‚˜์š”?
  • ํ•ด๋‹น ํ”„๋กœ์ ํŠธ์—์„œ ์™œ ์ด ์•Œ๊ณ ๋ฆฌ์ฆ˜์„ ์‚ฌ์šฉํ–ˆ๋‚˜์š”?
  • ๊ทธ ์•Œ๊ณ ๋ฆฌ์ฆ˜๊ณผ ์œ ์‚ฌํ•œ ์•Œ๊ณ ๋ฆฌ์ฆ˜์ด ์กด์žฌํ•˜์ง€ ์•Š๋‚˜์š”?
  • ํ•ด๋‹น ์•Œ๊ณ ๋ฆฌ์ฆ˜์˜ ๋‹จ์ ์€?
  • ํ•ด๋‹น ํ”„๋กœ์ ํŠธ์—์„œ ์ง€์›์ž๋Š” ์–ด๋–ค ์ผ์„ ํ–ˆ๋‚˜์š”?
  • ํ•ด๋‹น ํ”„๋กœ์ ํŠธ์—์„œ ์ง€์›์ž๊ฐ€ ๋Š๋‚€ ์ ์€?
  • ํ•ด๋‹น ํ”„๋กœ์ ํŠธ๋ฅผ ๋‹ค์‹œ ์ง„ํ–‰ํ•œ๋‹ค๊ณ  ํ•˜๋ฉด ์–ด๋–ป๊ฒŒ ํ•  ๊ฒƒ์ธ๊ฐ€์š”?
  • Kaggle์—์„œ ์ˆ˜์ƒ์„ ํ•˜๋ฉด ๋ฐ์ดํ„ฐ ๋ถ„์„์„ ์ž˜ ํ• ๊นŒ์š”?

ํ†ต๊ณ„ ๋ฐ ์ˆ˜ํ•™

  • ๊ณ ์œ ๊ฐ’(eigen value)์™€ ๊ณ ์œ ๋ฒกํ„ฐ(eigen vector)์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”. ๊ทธ๋ฆฌ๊ณ  ์™œ ์ค‘์š”ํ• ๊นŒ์š”?
  • ์ƒ˜ํ”Œ๋ง(Sampling)๊ณผ ๋ฆฌ์ƒ˜ํ”Œ๋ง(Resampling)์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”. ๋ฆฌ์ƒ˜ํ”Œ๋ง์€ ๋ฌด์Šจ ์žฅ์ ์ด ์žˆ์„๊นŒ์š”?
  • ํ™•๋ฅ  ๋ชจํ˜•๊ณผ ํ™•๋ฅ  ๋ณ€์ˆ˜๋Š” ๋ฌด์—‡์ผ๊นŒ์š”?
  • ๋ˆ„์  ๋ถ„ํฌ ํ•จ์ˆ˜์™€ ํ™•๋ฅ  ๋ฐ€๋„ ํ•จ์ˆ˜๋Š” ๋ฌด์—‡์ผ๊นŒ์š”? ์ˆ˜์‹๊ณผ ํ•จ๊ป˜ ํ‘œํ˜„ํ•ด์ฃผ์„ธ์š”
  • ๋ฒ ๋ฅด๋ˆ„์ด ๋ถ„ํฌ / ์ดํ•ญ ๋ถ„ํฌ / ์นดํ…Œ๊ณ ๋ฆฌ ๋ถ„ํฌ / ๋‹คํ•ญ ๋ถ„ํฌ / ๊ฐ€์šฐ์‹œ์•ˆ ์ •๊ทœ ๋ถ„ํฌ / t ๋ถ„ํฌ / ์นด์ด์ œ๊ณฑ ๋ถ„ํฌ / F ๋ถ„ํฌ / ๋ฒ ํƒ€ ๋ถ„ํฌ / ๊ฐ๋งˆ ๋ถ„ํฌ / ๋””๋ฆฌํด๋ ˆ ๋ถ„ํฌ์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”. ํ˜น์‹œ ์—ฐ๊ด€๋œ ๋ถ„ํฌ๊ฐ€ ์žˆ๋‹ค๋ฉด ์—ฐ๊ด€ ๊ด€๊ณ„๋ฅผ ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”
  • ์กฐ๊ฑด๋ถ€ ํ™•๋ฅ ์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • ๊ณต๋ถ„์‚ฐ๊ณผ ์ƒ๊ด€๊ณ„์ˆ˜๋Š” ๋ฌด์—‡์ผ๊นŒ์š”? ์ˆ˜์‹๊ณผ ํ•จ๊ป˜ ํ‘œํ˜„ํ•ด์ฃผ์„ธ์š”
  • ์‹ ๋ขฐ ๊ตฌ๊ฐ„์˜ ์ •์˜๋Š” ๋ฌด์—‡์ธ๊ฐ€์š”?
  • p-value๋ฅผ ๊ณ ๊ฐ์—๊ฒŒ๋Š” ๋ญ๋ผ๊ณ  ์„ค๋ช…ํ•˜๋Š”๊ฒŒ ์ดํ•ดํ•˜๊ธฐ ํŽธํ• ๊นŒ์š”?
  • p-value๋Š” ์š”์ฆ˜ ์‹œ๋Œ€์—๋„ ์—ฌ์ „ํžˆ ์œ ํšจํ• ๊นŒ์š”? ์–ธ์ œ p-value๊ฐ€ ์‹ค์ œ๋ฅผ ํ˜ธ๋„ํ•˜๋Š” ๊ฒฝํ–ฅ์ด ์žˆ์„๊นŒ์š”?
  • A/B Test ๋“ฑ ํ˜„์ƒ ๋ถ„์„ ๋ฐ ์‹คํ—˜ ์„ค๊ณ„ ์ƒ ํ†ต๊ณ„์ ์œผ๋กœ ์œ ์˜๋ฏธํ•จ์˜ ์—ฌ๋ถ€๋ฅผ ๊ฒฐ์ •ํ•˜๊ธฐ ์œ„ํ•œ ๋ฐฉ๋ฒ•์—๋Š” ์–ด๋–ค ๊ฒƒ์ด ์žˆ์„๊นŒ์š”?
  • R square์˜ ์˜๋ฏธ๋Š” ๋ฌด์—‡์ธ๊ฐ€์š”?
  • ํ‰๊ท (mean)๊ณผ ์ค‘์•™๊ฐ’(median)์ค‘์— ์–ด๋–ค ์ผ€์ด์Šค์—์„œ ๋ญ๋ฅผ ์จ์•ผํ• ๊นŒ์š”?
  • ์ค‘์‹ฌ๊ทนํ•œ์ •๋ฆฌ๋Š” ์™œ ์œ ์šฉํ•œ๊ฑธ๊นŒ์š”?
  • ์—”ํŠธ๋กœํ”ผ(entropy)์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”. ๊ฐ€๋Šฅํ•˜๋ฉด Information Gain๋„์š”.
  • ์š”์ฆ˜๊ฐ™์€ ๋น…๋ฐ์ดํ„ฐ(?)์‹œ๋Œ€์—๋Š” ์ •๊ทœ์„ฑ ํ…Œ์ŠคํŠธ๊ฐ€ ์˜๋ฏธ ์—†๋‹ค๋Š” ์ฃผ์žฅ์ด ์žˆ์Šต๋‹ˆ๋‹ค. ๋งž์„๊นŒ์š”?
  • ์–ด๋–จ ๋•Œ ๋ชจ์ˆ˜์  ๋ฐฉ๋ฒ•๋ก ์„ ์“ธ ์ˆ˜ ์žˆ๊ณ , ์–ด๋–จ ๋•Œ ๋น„๋ชจ์ˆ˜์  ๋ฐฉ๋ฒ•๋ก ์„ ์“ธ ์ˆ˜ ์žˆ๋‚˜์š”?
  • โ€œlikelihoodโ€์™€ โ€œprobabilityโ€์˜ ์ฐจ์ด๋Š” ๋ฌด์—‡์ผ๊นŒ์š”?
  • ํ†ต๊ณ„์—์„œ ์‚ฌ์šฉ๋˜๋Š” bootstrap์˜ ์˜๋ฏธ๋Š” ๋ฌด์—‡์ธ๊ฐ€์š”.
  • ๋ชจ์ˆ˜๊ฐ€ ๋งค์šฐ ์ ์€ (์ˆ˜์‹ญ๊ฐœ ์ดํ•˜) ์ผ€์ด์Šค์˜ ๊ฒฝ์šฐ ์–ด๋–ค ๋ฐฉ์‹์œผ๋กœ ์˜ˆ์ธก ๋ชจ๋ธ์„ ์ˆ˜๋ฆฝํ•  ์ˆ˜ ์žˆ์„๊นŒ์š”?
  • ๋ฒ ์ด์ง€์•ˆ๊ณผ ํ”„๋ฆฌํ€€ํ‹ฐ์ŠคํŠธ๊ฐ„์˜ ์ž…์žฅ์ฐจ์ด๋ฅผ ์„ค๋ช…ํ•ด์ฃผ์‹ค ์ˆ˜ ์žˆ๋‚˜์š”?
  • ๊ฒ€์ •๋ ฅ(statistical power)์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • missing value๊ฐ€ ์žˆ์„ ๊ฒฝ์šฐ ์ฑ„์›Œ์•ผ ํ• ๊นŒ์š”? ๊ทธ ์ด์œ ๋Š” ๋ฌด์—‡์ธ๊ฐ€์š”?
  • ์•„์›ƒ๋ผ์ด์–ด์˜ ํŒ๋‹จํ•˜๋Š” ๊ธฐ์ค€์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • ์ฝœ์„ผํ„ฐ ํ†ตํ™” ์ง€์† ์‹œ๊ฐ„์— ๋Œ€ํ•œ ๋ฐ์ดํ„ฐ๊ฐ€ ์กด์žฌํ•ฉ๋‹ˆ๋‹ค. ์ด ๋ฐ์ดํ„ฐ๋ฅผ ์ฝ”๋“œํ™”ํ•˜๊ณ  ๋ถ„์„ํ•˜๋Š” ๋ฐฉ๋ฒ•์— ๋Œ€ํ•œ ๊ณ„ํš์„ ์„ธ์›Œ์ฃผ์„ธ์š”. ์ด ๊ธฐ๊ฐ„์˜ ๋ถ„ํฌ๊ฐ€ ์–ด๋–ป๊ฒŒ ๋ณด์ผ์ง€์— ๋Œ€ํ•œ ์‹œ๋‚˜๋ฆฌ์˜ค๋ฅผ ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”
  • ์ถœ์žฅ์„ ์œ„ํ•ด ๋น„ํ–‰๊ธฐ๋ฅผ ํƒ€๋ ค๊ณ  ํ•ฉ๋‹ˆ๋‹ค. ๋‹น์‹ ์€ ์šฐ์‚ฐ์„ ๊ฐ€์ ธ๊ฐ€์•ผ ํ•˜๋Š”์ง€ ์•Œ๊ณ  ์‹ถ์–ด ์ถœ์žฅ์ง€์— ์‚ฌ๋Š” ์นœ๊ตฌ 3๋ช…์—๊ฒŒ ๋ฌด์ž‘์œ„๋กœ ์ „ํ™”๋ฅผ ํ•˜๊ณ  ๋น„๊ฐ€ ์˜ค๋Š” ๊ฒฝ์šฐ๋ฅผ ๋…๋ฆฝ์ ์œผ๋กœ ์งˆ๋ฌธํ•ด์ฃผ์„ธ์š”. ๊ฐ ์นœ๊ตฌ๋Š” 2/3๋กœ ์ง„์‹ค์„ ๋งํ•˜๊ณ  1/3์œผ๋กœ ๊ฑฐ์ง“์„ ๋งํ•ฉ๋‹ˆ๋‹ค. 3๋ช…์˜ ์นœ๊ตฌ๊ฐ€ ๋ชจ๋‘ "๊ทธ๋ ‡์Šต๋‹ˆ๋‹ค. ๋น„๊ฐ€ ๋‚ด๋ฆฌ๊ณ  ์žˆ์Šต๋‹ˆ๋‹ค"๋ผ๊ณ  ๋งํ–ˆ์Šต๋‹ˆ๋‹ค. ์‹ค์ œ๋กœ ๋น„๊ฐ€ ๋‚ด๋ฆด ํ™•๋ฅ ์€ ์–ผ๋งˆ์ž…๋‹ˆ๊นŒ?
  • ํ•„์š”ํ•œ ํ‘œ๋ณธ์˜ ํฌ๊ธฐ๋ฅผ ์–ด๋–ป๊ฒŒ ๊ณ„์‚ฐํ•ฉ๋‹ˆ๊นŒ?
  • Bias๋ฅผ ํ†ต์ œํ•˜๋Š” ๋ฐฉ๋ฒ•์€ ๋ฌด์—‡์ž…๋‹ˆ๊นŒ?
  • ๋กœ๊ทธ ํ•จ์ˆ˜๋Š” ์–ด๋–ค ๊ฒฝ์šฐ ์œ ์šฉํ•ฉ๋‹ˆ๊นŒ? ์‚ฌ๋ก€๋ฅผ ๋“ค์–ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”

๋ถ„์„ ์ผ๋ฐ˜

  • ์ข‹์€ feature๋ž€ ๋ฌด์—‡์ธ๊ฐ€์š”. ์ด feature์˜ ์„ฑ๋Šฅ์„ ํŒ๋‹จํ•˜๊ธฐ ์œ„ํ•œ ๋ฐฉ๋ฒ•์—๋Š” ์–ด๋–ค ๊ฒƒ์ด ์žˆ๋‚˜์š”?
  • "์ƒ๊ด€๊ด€๊ณ„๋Š” ์ธ๊ณผ๊ด€๊ณ„๋ฅผ ์˜๋ฏธํ•˜์ง€ ์•Š๋Š”๋‹ค"๋ผ๋Š” ๋ง์ด ์žˆ์Šต๋‹ˆ๋‹ค. ์„ค๋ช…ํ•ด์ฃผ์‹ค ์ˆ˜ ์žˆ๋‚˜์š”?
  • A/B ํ…Œ์ŠคํŠธ์˜ ์žฅ์ ๊ณผ ๋‹จ์ , ๊ทธ๋ฆฌ๊ณ  ๋‹จ์ ์˜ ๊ฒฝ์šฐ ์ด๋ฅผ ํ•ด๊ฒฐํ•˜๊ธฐ ์œ„ํ•œ ๋ฐฉ์•ˆ์—๋Š” ์–ด๋–ค ๊ฒƒ์ด ์žˆ๋‚˜์š”?
  • ๊ฐ ๊ณ ๊ฐ์˜ ์›น ํ–‰๋™์— ๋Œ€ํ•˜์—ฌ ์‹ค์‹œ๊ฐ„์œผ๋กœ ์ƒํ˜ธ์ž‘์šฉ์ด ๊ฐ€๋Šฅํ•˜๋‹ค๊ณ  ํ•  ๋•Œ์—, ์ด์— ์ ์šฉ ๊ฐ€๋Šฅํ•œ ๊ณ ๊ฐ ํ–‰๋™ ๋ฐ ๋ชจ๋ธ์— ๊ด€ํ•œ ์ด๋ก ์„ ์•Œ์•„๋ด…์‹œ๋‹ค.
  • ๊ณ ๊ฐ์ด ์›ํ•˜๋Š” ์˜ˆ์ธก๋ชจํ˜•์„ ๋‘๊ฐ€์ง€ ์ข…๋ฅ˜๋กœ ๋งŒ๋“ค์—ˆ๋‹ค. ํ•˜๋‚˜๋Š” ์˜ˆ์ธก๋ ฅ์ด ๋›ฐ์–ด๋‚˜์ง€๋งŒ ์™œ ๊ทธ๋ ‡๊ฒŒ ์˜ˆ์ธกํ–ˆ๋Š”์ง€๋ฅผ ์„ค๋ช…ํ•˜๊ธฐ ์–ด๋ ค์šด random forest ๋ชจํ˜•์ด๊ณ , ๋˜๋‹ค๋ฅธ ํ•˜๋‚˜๋Š” ์˜ˆ์ธก๋ ฅ์€ ๋‹ค์†Œ ๋–จ์–ด์ง€๋‚˜ ๋ช…ํ™•ํ•˜๊ฒŒ ์™œ ๊ทธ๋Ÿฐ์ง€๋ฅผ ์„ค๋ช…ํ•  ์ˆ˜ ์žˆ๋Š” sequential bayesian ๋ชจํ˜•์ž…๋‹ˆ๋‹ค.๊ณ ๊ฐ์—๊ฒŒ ์–ด๋–ค ๋ชจํ˜•์„ ์ถ”์ฒœํ•˜๊ฒ ์Šต๋‹ˆ๊นŒ?
  • ๊ณ ๊ฐ์ด ๋‚ด์ผ ์–ด๋–ค ์ƒํ’ˆ์„ ๊ตฌ๋งคํ• ์ง€ ์˜ˆ์ธกํ•˜๋Š” ๋ชจํ˜•์„ ๋งŒ๋“ค์–ด์•ผ ํ•œ๋‹ค๋ฉด ์–ด๋–ค ๊ธฐ๋ฒ•(์˜ˆ: SVM, Random Forest, logistic regression ๋“ฑ)์„ ์‚ฌ์šฉํ•  ๊ฒƒ์ธ์ง€ ์ •ํ•˜๊ณ  ์ด๋ฅผ ํ†ต๊ณ„์™€ ๊ธฐ๊ณ„ํ•™์Šต ์ง€์‹์ด ์ „๋ฌดํ•œ ์‹ค๋ฌด์ž์—๊ฒŒ ์„ค๋ช…ํ•ด๋ด…์‹œ๋‹ค.
  • ๋‚˜๋งŒ์˜ feature selection ๋ฐฉ์‹์„ ์„ค๋ช…ํ•ด๋ด…์‹œ๋‹ค.
  • ๋ฐ์ดํ„ฐ ๊ฐ„์˜ ์œ ์‚ฌ๋„๋ฅผ ๊ณ„์‚ฐํ•  ๋•Œ, feature์˜ ์ˆ˜๊ฐ€ ๋งŽ๋‹ค๋ฉด(์˜ˆ: 100๊ฐœ ์ด์ƒ), ์ด๋Ÿฌํ•œ high-dimensional clustering์„ ์–ด๋–ป๊ฒŒ ํ’€์–ด์•ผํ• ๊นŒ์š”?

๋จธ์‹ ๋Ÿฌ๋‹

  • Cross Validation์€ ๋ฌด์—‡์ด๊ณ  ์–ด๋–ป๊ฒŒ ํ•ด์•ผํ•˜๋‚˜์š”?
  • ํšŒ๊ท€ / ๋ถ„๋ฅ˜์‹œ ์•Œ๋งž์€ metric์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • ์•Œ๊ณ  ์žˆ๋Š” metric์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”(ex. RMSE, MAE, recall, precision ...)
  • ์ •๊ทœํ™”๋ฅผ ์™œ ํ•ด์•ผํ• ๊นŒ์š”? ์ •๊ทœํ™”์˜ ๋ฐฉ๋ฒ•์€ ๋ฌด์—‡์ด ์žˆ๋‚˜์š”?
  • Local Minima์™€ Global Minima์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”.
  • ์ฐจ์›์˜ ์ €์ฃผ์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”
  • dimension reduction๊ธฐ๋ฒ•์œผ๋กœ ๋ณดํ†ต ์–ด๋–ค ๊ฒƒ๋“ค์ด ์žˆ๋‚˜์š”?
  • PCA๋Š” ์ฐจ์› ์ถ•์†Œ ๊ธฐ๋ฒ•์ด๋ฉด์„œ, ๋ฐ์ดํ„ฐ ์••์ถ• ๊ธฐ๋ฒ•์ด๊ธฐ๋„ ํ•˜๊ณ , ๋…ธ์ด์ฆˆ ์ œ๊ฑฐ๊ธฐ๋ฒ•์ด๊ธฐ๋„ ํ•ฉ๋‹ˆ๋‹ค. ์™œ ๊ทธ๋Ÿฐ์ง€ ์„ค๋ช…ํ•ด์ฃผ์‹ค ์ˆ˜ ์žˆ๋‚˜์š”?
  • LSA, LDA, SVD ๋“ฑ์˜ ์•ฝ์ž๋“ค์ด ์–ด๋–ค ๋œป์ด๊ณ  ์„œ๋กœ ์–ด๋–ค ๊ด€๊ณ„๋ฅผ ๊ฐ€์ง€๋Š”์ง€ ์„ค๋ช…ํ•  ์ˆ˜ ์žˆ๋‚˜์š”?
  • Markov Chain์„ ๊ณ ๋“ฑํ•™์ƒ์—๊ฒŒ ์„ค๋ช…ํ•˜๋ ค๋ฉด ์–ด๋–ค ๋ฐฉ์‹์ด ์ œ์ผ ์ข‹์„๊นŒ์š”?
  • ํ…์ŠคํŠธ ๋”๋ฏธ์—์„œ ์ฃผ์ œ๋ฅผ ์ถ”์ถœํ•ด์•ผ ํ•ฉ๋‹ˆ๋‹ค. ์–ด๋–ค ๋ฐฉ์‹์œผ๋กœ ์ ‘๊ทผํ•ด ๋‚˜๊ฐ€์‹œ๊ฒ ๋‚˜์š”?
  • SVM์€ ์™œ ๋ฐ˜๋Œ€๋กœ ์ฐจ์›์„ ํ™•์žฅ์‹œํ‚ค๋Š” ๋ฐฉ์‹์œผ๋กœ ๋™์ž‘ํ• ๊นŒ์š”? ๊ฑฐ๊ธฐ์„œ ์–ด๋–ค ์žฅ์ ์ด ๋ฐœ์ƒํ–ˆ๋‚˜์š”?
  • ๋‹ค๋ฅธ ์ข‹์€ ๋จธ์‹  ๋Ÿฌ๋‹ ๋Œ€๋น„, ์˜ค๋ž˜๋œ ๊ธฐ๋ฒ•์ธ ๋‚˜์ด๋ธŒ ๋ฒ ์ด์ฆˆ(naive bayes)์˜ ์žฅ์ ์„ ์˜นํ˜ธํ•ด๋ณด์„ธ์š”.
  • Association Rule์˜ Support, Confidence, Lift์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”.
  • ์ตœ์ ํ™” ๊ธฐ๋ฒ•์ค‘ Newtonโ€™s Method์™€ Gradient Descent ๋ฐฉ๋ฒ•์— ๋Œ€ํ•ด ์•Œ๊ณ  ์žˆ๋‚˜์š”?
  • ๋จธ์‹ ๋Ÿฌ๋‹(machine)์  ์ ‘๊ทผ๋ฐฉ๋ฒ•๊ณผ ํ†ต๊ณ„(statistics)์  ์ ‘๊ทผ๋ฐฉ๋ฒ•์˜ ๋‘˜๊ฐ„์— ์ฐจ์ด์— ๋Œ€ํ•œ ๊ฒฌํ•ด๊ฐ€ ์žˆ๋‚˜์š”?
  • ์ธ๊ณต์‹ ๊ฒฝ๋ง(deep learning์ด์ „์˜ ์ „ํ†ต์ ์ธ)์ด ๊ฐ€์ง€๋Š” ์ผ๋ฐ˜์ ์ธ ๋ฌธ์ œ์ ์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • ์ง€๊ธˆ ๋‚˜์˜ค๊ณ  ์žˆ๋Š” deep learning ๊ณ„์—ด์˜ ํ˜์‹ ์˜ ๊ทผ๊ฐ„์€ ๋ฌด์—‡์ด๋ผ๊ณ  ์ƒ๊ฐํ•˜์‹œ๋‚˜์š”?
  • ROC ์ปค๋ธŒ์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์‹ค ์ˆ˜ ์žˆ์œผ์‹ ๊ฐ€์š”?
  • ์—ฌ๋Ÿฌ๋ถ„์ด ์„œ๋ฒ„๋ฅผ 100๋Œ€ ๊ฐ€์ง€๊ณ  ์žˆ์Šต๋‹ˆ๋‹ค. ์ด๋•Œ ์ธ๊ณต์‹ ๊ฒฝ๋ง๋ณด๋‹ค Random Forest๋ฅผ ์จ์•ผํ•˜๋Š” ์ด์œ ๋Š” ๋ญ˜๊นŒ์š”?
  • K-means์˜ ๋Œ€ํ‘œ์  ์˜๋ฏธ๋ก ์  ๋‹จ์ ์€ ๋ฌด์—‡์ธ๊ฐ€์š”? (๊ณ„์‚ฐ๋Ÿ‰ ๋งŽ๋‹ค๋Š”๊ฒƒ ๋ง๊ณ )
  • L1, L2 ์ •๊ทœํ™”์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”
  • XGBoost์„ ์•„์‹œ๋‚˜์š”? ์™œ ์ด ๋ชจ๋ธ์ด ์บ๊ธ€์—์„œ ์œ ๋ช…ํ• ๊นŒ์š”?
  • ์•™์ƒ๋ธ” ๋ฐฉ๋ฒ•์—” ์–ด๋–ค ๊ฒƒ๋“ค์ด ์žˆ๋‚˜์š”?
  • SVM์€ ์™œ ์ข‹์„๊นŒ์š”?
  • feature vector๋ž€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • ์ข‹์€ ๋ชจ๋ธ์˜ ์ •์˜๋Š” ๋ฌด์—‡์ผ๊นŒ์š”?
  • 50๊ฐœ์˜ ์ž‘์€ ์˜์‚ฌ๊ฒฐ์ • ๋‚˜๋ฌด๋Š” ํฐ ์˜์‚ฌ๊ฒฐ์ • ๋‚˜๋ฌด๋ณด๋‹ค ๊ดœ์ฐฎ์„๊นŒ์š”? ์™œ ๊ทธ๋ ‡๊ฒŒ ์ƒ๊ฐํ•˜๋‚˜์š”?
  • ์ŠคํŒธ ํ•„ํ„ฐ์— ๋กœ์ง€์Šคํ‹ฑ ๋ฆฌ๊ทธ๋ ˆ์…˜์„ ๋งŽ์ด ์‚ฌ์šฉํ•˜๋Š” ์ด์œ ๋Š” ๋ฌด์—‡์ผ๊นŒ์š”?
  • OLS(ordinary least squre) regression์˜ ๊ณต์‹์€ ๋ฌด์—‡์ธ๊ฐ€์š”?

๋”ฅ๋Ÿฌ๋‹

๋”ฅ๋Ÿฌ๋‹ ์ผ๋ฐ˜

  • ๋”ฅ๋Ÿฌ๋‹์€ ๋ฌด์—‡์ธ๊ฐ€์š”? ๋”ฅ๋Ÿฌ๋‹๊ณผ ๋จธ์‹ ๋Ÿฌ๋‹์˜ ์ฐจ์ด๋Š”?
  • ์™œ ๊ฐ‘์ž๊ธฐ ๋”ฅ๋Ÿฌ๋‹์ด ๋ถ€ํฅํ–ˆ์„๊นŒ์š”?
  • ๋งˆ์ง€๋ง‰์œผ๋กœ ์ฝ์€ ๋…ผ๋ฌธ์€ ๋ฌด์—‡์ธ๊ฐ€์š”? ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”
  • Cost Function๊ณผ Activation Function์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • Tensorflow, Keras, PyTorch, Caffe, Mxnet ์ค‘ ์„ ํ˜ธํ•˜๋Š” ํ”„๋ ˆ์ž„์›Œํฌ์™€ ๊ทธ ์ด์œ ๋Š” ๋ฌด์—‡์ธ๊ฐ€์š”?
  • Data Normalization์€ ๋ฌด์—‡์ด๊ณ  ์™œ ํ•„์š”ํ•œ๊ฐ€์š”?
  • ์•Œ๊ณ ์žˆ๋Š” Activation Function์— ๋Œ€ํ•ด ์•Œ๋ ค์ฃผ์„ธ์š”. (Sigmoid, ReLU, LeakyReLU, Tanh ๋“ฑ)
  • ์˜ค๋ฒ„ํ”ผํŒ…์ผ ๊ฒฝ์šฐ ์–ด๋–ป๊ฒŒ ๋Œ€์ฒ˜ํ•ด์•ผ ํ• ๊นŒ์š”?
  • ํ•˜์ดํผ ํŒŒ๋ผ๋ฏธํ„ฐ๋Š” ๋ฌด์—‡์ธ๊ฐ€์š”?
  • Weight Initialization ๋ฐฉ๋ฒ•์— ๋Œ€ํ•ด ๋งํ•ด์ฃผ์„ธ์š”. ๊ทธ๋ฆฌ๊ณ  ๋ฌด์—‡์„ ๋งŽ์ด ์‚ฌ์šฉํ•˜๋‚˜์š”?
  • ๋ณผ์ธ ๋งŒ ๋จธ์‹ ์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • ์š”์ฆ˜ Sigmoid ๋ณด๋‹ค ReLU๋ฅผ ๋งŽ์ด ์“ฐ๋Š”๋ฐ ๊ทธ ์ด์œ ๋Š”?
    • Non-Linearity๋ผ๋Š” ๋ง์˜ ์˜๋ฏธ์™€ ๊ทธ ํ•„์š”์„ฑ์€?
    • ReLU๋กœ ์–ด๋–ป๊ฒŒ ๊ณก์„  ํ•จ์ˆ˜๋ฅผ ๊ทผ์‚ฌํ•˜๋‚˜?
    • ReLU์˜ ๋ฌธ์ œ์ ์€?
    • Bias๋Š” ์™œ ์žˆ๋Š”๊ฑธ๊นŒ?
  • Gradient Descent์— ๋Œ€ํ•ด์„œ ์‰ฝ๊ฒŒ ์„ค๋ช…ํ•œ๋‹ค๋ฉด?
    • ์™œ ๊ผญ Gradient๋ฅผ ์จ์•ผ ํ• ๊นŒ? ๊ทธ ๊ทธ๋ž˜ํ”„์—์„œ ๊ฐ€๋กœ์ถ•๊ณผ ์„ธ๋กœ์ถ• ๊ฐ๊ฐ์€ ๋ฌด์—‡์ธ๊ฐ€? ์‹ค์ œ ์ƒํ™ฉ์—์„œ๋Š” ๊ทธ ๊ทธ๋ž˜ํ”„๊ฐ€ ์–ด๋–ป๊ฒŒ ๊ทธ๋ ค์งˆ๊นŒ?
    • GD ์ค‘์— ๋•Œ๋•Œ๋กœ Loss๊ฐ€ ์ฆ๊ฐ€ํ•˜๋Š” ์ด์œ ๋Š”?
    • ์ค‘ํ•™์ƒ์ด ์ดํ•ดํ•  ์ˆ˜ ์žˆ๊ฒŒ ๋” ์‰ฝ๊ฒŒ ์„ค๋ช… ํ•œ๋‹ค๋ฉด?
    • Back Propagation์— ๋Œ€ํ•ด์„œ ์‰ฝ๊ฒŒ ์„ค๋ช… ํ•œ๋‹ค๋ฉด?
  • Local Minima ๋ฌธ์ œ์—๋„ ๋ถˆ๊ตฌํ•˜๊ณ  ๋”ฅ๋Ÿฌ๋‹์ด ์ž˜ ๋˜๋Š” ์ด์œ ๋Š”?
    • GD๊ฐ€ Local Minima ๋ฌธ์ œ๋ฅผ ํ”ผํ•˜๋Š” ๋ฐฉ๋ฒ•์€?
    • ์ฐพ์€ ํ•ด๊ฐ€ Global Minimum์ธ์ง€ ์•„๋‹Œ์ง€ ์•Œ ์ˆ˜ ์žˆ๋Š” ๋ฐฉ๋ฒ•์€?
  • Training ์„ธํŠธ์™€ Test ์„ธํŠธ๋ฅผ ๋ถ„๋ฆฌํ•˜๋Š” ์ด์œ ๋Š”?
    • Validation ์„ธํŠธ๊ฐ€ ๋”ฐ๋กœ ์žˆ๋Š” ์ด์œ ๋Š”?
    • Test ์„ธํŠธ๊ฐ€ ์˜ค์—ผ๋˜์—ˆ๋‹ค๋Š” ๋ง์˜ ๋œป์€?
    • Regularization์ด๋ž€ ๋ฌด์—‡์ธ๊ฐ€?
  • Batch Normalization์˜ ํšจ๊ณผ๋Š”?
    • Dropout์˜ ํšจ๊ณผ๋Š”?
    • BN ์ ์šฉํ•ด์„œ ํ•™์Šต ์ดํ›„ ์‹ค์ œ ์‚ฌ์šฉ์‹œ์— ์ฃผ์˜ํ•  ์ ์€? ์ฝ”๋“œ๋กœ๋Š”?
    • GAN์—์„œ Generator ์ชฝ์—๋„ BN์„ ์ ์šฉํ•ด๋„ ๋ ๊นŒ?
  • SGD, RMSprop, Adam์— ๋Œ€ํ•ด์„œ ์•„๋Š”๋Œ€๋กœ ์„ค๋ช…ํ•œ๋‹ค๋ฉด?
    • SGD์—์„œ Stochastic์˜ ์˜๋ฏธ๋Š”?
    • ๋ฏธ๋‹ˆ๋ฐฐ์น˜๋ฅผ ์ž‘๊ฒŒ ํ• ๋•Œ์˜ ์žฅ๋‹จ์ ์€?
    • ๋ชจ๋ฉ˜ํ…€์˜ ์ˆ˜์‹์„ ์ ์–ด ๋ณธ๋‹ค๋ฉด?
  • ๊ฐ„๋‹จํ•œ MNIST ๋ถ„๋ฅ˜๊ธฐ๋ฅผ MLP+CPU ๋ฒ„์ „์œผ๋กœ numpy๋กœ ๋งŒ๋“ ๋‹ค๋ฉด ๋ช‡์ค„์ผ๊นŒ?
    • ์–ด๋Š ์ •๋„ ๋Œ์•„๊ฐ€๋Š” ๋…€์„์„ ์ž‘์„ฑํ•˜๊ธฐ๊นŒ์ง€ ๋ช‡์‹œ๊ฐ„ ์ •๋„ ๊ฑธ๋ฆด๊นŒ?
    • Back Propagation์€ ๋ช‡์ค„์ธ๊ฐ€?
    • CNN์œผ๋กœ ๋ฐ”๊พผ๋‹ค๋ฉด ์–ผ๋งˆ๋‚˜ ์ถ”๊ฐ€๋ ๊นŒ?
  • ๊ฐ„๋‹จํ•œ MNIST ๋ถ„๋ฅ˜๊ธฐ๋ฅผ TF, Keras, PyTorch ๋“ฑ์œผ๋กœ ์ž‘์„ฑํ•˜๋Š”๋ฐ ๋ช‡์‹œ๊ฐ„์ด ํ•„์š”ํ•œ๊ฐ€?
    • CNN์ด ์•„๋‹Œ MLP๋กœ ํ•ด๋„ ์ž˜ ๋ ๊นŒ?
    • ๋งˆ์ง€๋ง‰ ๋ ˆ์ด์–ด ๋ถ€๋ถ„์— ๋Œ€ํ•ด์„œ ์„ค๋ช… ํ•œ๋‹ค๋ฉด?
    • ํ•™์Šต์€ BCE loss๋กœ ํ•˜๋˜ ์ƒํ™ฉ์„ MSE loss๋กœ ๋ณด๊ณ  ์‹ถ๋‹ค๋ฉด?
    • ๋งŒ์•ฝ ํ•œ๊ธ€ (์ธ์‡„๋ฌผ) OCR์„ ๋งŒ๋“ ๋‹ค๋ฉด ๋ฐ์ดํ„ฐ ์ˆ˜์ง‘์€ ์–ด๋–ป๊ฒŒ ํ•  ์ˆ˜ ์žˆ์„๊นŒ?
  • ๋”ฅ๋Ÿฌ๋‹ํ•  ๋•Œ GPU๋ฅผ ์“ฐ๋ฉด ์ข‹์€ ์ด์œ ๋Š”?
    • ํ•™์Šต ์ค‘์ธ๋ฐ GPU๋ฅผ 100% ์‚ฌ์šฉํ•˜์ง€ ์•Š๊ณ  ์žˆ๋‹ค. ์ด์œ ๋Š”?
    • GPU๋ฅผ ๋‘๊ฐœ ๋‹ค ์“ฐ๊ณ  ์‹ถ๋‹ค. ๋ฐฉ๋ฒ•์€?
    • ํ•™์Šต์‹œ ํ•„์š”ํ•œ GPU ๋ฉ”๋ชจ๋ฆฌ๋Š” ์–ด๋–ป๊ฒŒ ๊ณ„์‚ฐํ•˜๋Š”๊ฐ€?
  • TF, Keras, PyTorch ๋“ฑ์„ ์‚ฌ์šฉํ•  ๋•Œ ๋””๋ฒ„๊น… ๋…ธํ•˜์šฐ๋Š”?
  • ๋‰ด๋Ÿด๋„ท์˜ ๊ฐ€์žฅ ํฐ ๋‹จ์ ์€ ๋ฌด์—‡์ธ๊ฐ€? ์ด๋ฅผ ์œ„ํ•ด ๋‚˜์˜จ One-Shot Learning์€ ๋ฌด์—‡์ธ๊ฐ€?

์ปดํ“จํ„ฐ ๋น„์ „

  • OpenCV ๋ผ์ด๋ธŒ๋Ÿฌ๋ฆฌ๋งŒ์„ ์‚ฌ์šฉํ•ด์„œ ์ด๋ฏธ์ง€ ๋ทฐ์–ด(Crop, ํ‘๋ฐฑํ™”, Zoom ๋“ฑ์˜ ๊ธฐ๋Šฅ ํฌํ•จ)๋ฅผ ๋งŒ๋“ค์–ด์ฃผ์„ธ์š”
  • ๋”ฅ๋Ÿฌ๋‹ ๋ฐœ๋‹ฌ ์ด์ „์— ์‚ฌ๋ฌผ์„ Detectํ•  ๋•Œ ์ž์ฃผ ์‚ฌ์šฉํ•˜๋˜ ๋ฐฉ๋ฒ•์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • Fatser R-CNN์˜ ์žฅ์ ๊ณผ ๋‹จ์ ์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • dlib์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • YOLO์˜ ์žฅ์ ๊ณผ ๋‹จ์ ์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • ์ œ์ผ ์ข‹์•„ํ•˜๋Š” Object Detection ์•Œ๊ณ ๋ฆฌ์ฆ˜์— ๋Œ€ํ•ด ์„ค๋ช…ํ•˜๊ณ  ๊ทธ ์•Œ๊ณ ๋ฆฌ์ฆ˜์˜ ์žฅ๋‹จ์ ์— ๋Œ€ํ•ด ์•Œ๋ ค์ฃผ์„ธ์š”
    • ๊ทธ ์ดํ›„์— ๋‚˜์˜จ ๋” ์ข‹์€ ์•Œ๊ณ ๋ฆฌ์ฆ˜์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • Average Pooling๊ณผ Max Pooling์˜ ์ฐจ์ด์ ์€?
  • Deepํ•œ ๋„คํŠธ์›Œํฌ๊ฐ€ ์ข‹์€ ๊ฒƒ์ผ๊นŒ์š”? ์–ธ์ œ๊นŒ์ง€ ์ข‹์„๊นŒ์š”?
  • Residual Network๋Š” ์™œ ์ž˜๋ ๊นŒ์š”? Ensemble๊ณผ ๊ด€๋ จ๋˜์–ด ์žˆ์„๊นŒ์š”?
  • CAM(Class Activation Map)์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • Localization์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • ์ž์œจ์ฃผํ–‰ ์ž๋™์ฐจ์˜ ์›๋ฆฌ๋Š” ๋ฌด์—‡์ผ๊นŒ์š”?
  • Semantic Segmentation์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • Visual Q&A๋Š” ๋ฌด์—‡์ธ๊ฐ€์š”?
  • Image Captioning์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • Fully Connected Layer์˜ ๊ธฐ๋Šฅ์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • Neural Style์€ ์–ด๋–ป๊ฒŒ ์ง„ํ–‰๋ ๊นŒ์š”?
  • CNN์— ๋Œ€ํ•ด์„œ ์•„๋Š”๋Œ€๋กœ ์–˜๊ธฐํ•˜๋ผ
    • CNN์ด MLP๋ณด๋‹ค ์ข‹์€ ์ด์œ ๋Š”?
    • ์–ด๋–ค CNN์˜ ํŒŒ๋ผ๋ฏธํ„ฐ ๊ฐœ์ˆ˜๋ฅผ ๊ณ„์‚ฐํ•ด ๋ณธ๋‹ค๋ฉด?
    • ์ฃผ์–ด์ง„ CNN๊ณผ ๋˜‘๊ฐ™์€ MLP๋ฅผ ๋งŒ๋“ค ์ˆ˜ ์žˆ๋‚˜?
    • ํ’€๋ง์‹œ์— ๋งŒ์•ฝ Max๋ฅผ ์‚ฌ์šฉํ•œ๋‹ค๋ฉด ๊ทธ ์ด์œ ๋Š”?
    • ์‹œํ€€์Šค ๋ฐ์ดํ„ฐ์— CNN์„ ์ ์šฉํ•˜๋Š” ๊ฒƒ์ด ๊ฐ€๋Šฅํ• ๊นŒ?

์ž์—ฐ์–ด ์ฒ˜๋ฆฌ

  • One Hot ์ธ์ฝ”๋”ฉ์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”
  • POS ํƒœ๊น…์€ ๋ฌด์—‡์ธ๊ฐ€์š”? ๊ฐ€์žฅ ๊ฐ„๋‹จํ•˜๊ฒŒ POS tagger๋ฅผ ๋งŒ๋“œ๋Š” ๋ฐฉ๋ฒ•์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • ๋ฌธ์žฅ์—์„œ "Apple"์ด๋ž€ ๋‹จ์–ด๊ฐ€ ๊ณผ์ผ์ธ์ง€ ํšŒ์‚ฌ์ธ์ง€ ์‹๋ณ„ํ•˜๋Š” ๋ชจ๋ธ์„ ์–ด๋–ป๊ฒŒ ํ›ˆ๋ จ์‹œํ‚ฌ ์ˆ˜ ์žˆ์„๊นŒ์š”?
  • ๋‰ด์Šค ๊ธฐ์‚ฌ์— ์ธ์šฉ๋œ ํ…์ŠคํŠธ์˜ ๋ชจ๋“  ํ•ญ๋ชฉ์„ ์–ด๋–ป๊ฒŒ ์ฐพ์„๊นŒ์š”?
  • ์Œ์„ฑ ์ธ์‹ ์‹œ์Šคํ…œ์—์„œ ์ƒ์„ฑ๋œ ํ…์ŠคํŠธ๋ฅผ ์ž๋™์œผ๋กœ ์ˆ˜์ •ํ•˜๋Š” ์‹œ์Šคํ…œ์„ ์–ด๋–ป๊ฒŒ ๊ตฌ์ถ•ํ• ๊นŒ์š”?
  • ์ž ์žฌ๋ก ์ , ์˜๋ฏธ๋ก ์  ์ƒ‰์ธ์€ ๋ฌด์—‡์ด๊ณ  ์–ด๋–ป๊ฒŒ ์ ์šฉํ•  ์ˆ˜ ์žˆ์„๊นŒ์š”?
  • ์˜์–ด ํ…์ŠคํŠธ๋ฅผ ๋‹ค๋ฅธ ์–ธ์–ด๋กœ ๋ฒˆ์—ญํ•  ์‹œ์Šคํ…œ์„ ์–ด๋–ป๊ฒŒ ๊ตฌ์ถ•ํ•ด์•ผ ํ• ๊นŒ์š”?
  • ๋‰ด์Šค ๊ธฐ์‚ฌ๋ฅผ ์ฃผ์ œ๋ณ„๋กœ ์ž๋™ ๋ถ„๋ฅ˜ํ•˜๋Š” ์‹œ์Šคํ…œ์„ ์–ด๋–ป๊ฒŒ ๊ตฌ์ถ•ํ• ๊นŒ์š”?
  • Stop Words๋Š” ๋ฌด์—‡์ผ๊นŒ์š”? ์ด๊ฒƒ์„ ์™œ ์ œ๊ฑฐํ•ด์•ผ ํ•˜๋‚˜์š”?
  • ์˜ํ™” ๋ฆฌ๋ทฐ๊ฐ€ ๊ธ์ •์ ์ธ์ง€ ๋ถ€์ •์ ์ธ์ง€ ์˜ˆ์ธกํ•˜๊ธฐ ์œ„ํ•ด ๋ชจ๋ธ์„ ์–ด๋–ป๊ฒŒ ์„ค๊ณ„ํ•˜์‹œ๊ฒ ๋‚˜์š”?
  • TF-IDF ์ ์ˆ˜๋Š” ๋ฌด์—‡์ด๋ฉฐ ์–ด๋–ค ๊ฒฝ์šฐ ์œ ์šฉํ•œ๊ฐ€์š”?
  • ํ•œ๊ตญ์–ด์—์„œ ๋งŽ์ด ์‚ฌ์šฉ๋˜๋Š” ์‚ฌ์ „์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • Regular grammar๋Š” ๋ฌด์—‡์ธ๊ฐ€์š”? regular expression๊ณผ ๋ฌด์Šจ ์ฐจ์ด๊ฐ€ ์žˆ๋‚˜์š”?
  • RNN์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”
  • LSTM์€ ์™œ ์œ ์šฉํ•œ๊ฐ€์š”?
  • Translate ๊ณผ์ • Flow์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”
  • n-gram์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • PageRank ์•Œ๊ณ ๋ฆฌ์ฆ˜์€ ์–ด๋–ป๊ฒŒ ์ž‘๋™ํ•˜๋‚˜์š”?
  • depedency parsing๋ž€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • Word2Vec์˜ ์›๋ฆฌ๋Š”?
    • ๊ทธ ๊ทธ๋ฆผ์—์„œ ์™ผ์ชฝ ํŒŒ๋ผ๋ฉ”ํ„ฐ๋“ค์„ ์ž„๋ฒ ๋”ฉ์œผ๋กœ ์“ฐ๋Š” ์ด์œ ๋Š”?
    • ๊ทธ ๊ทธ๋ฆผ์—์„œ ์˜ค๋ฅธ์ชฝ ํŒŒ๋ผ๋ฉ”ํ„ฐ๋“ค์˜ ์˜๋ฏธ๋Š” ๋ฌด์—‡์ผ๊นŒ?
    • ๋‚จ์ž์™€ ์—ฌ์ž๊ฐ€ ๊ฐ€๊นŒ์šธ๊นŒ? ๋‚จ์ž์™€ ์ž๋™์ฐจ๊ฐ€ ๊ฐ€๊นŒ์šธ๊นŒ?
    • ๋ฒˆ์—ญ์„ Unsupervised๋กœ ํ•  ์ˆ˜ ์žˆ์„๊นŒ?

๊ฐ•ํ™”ํ•™์Šต

  • MDP๋Š” ๋ฌด์—‡์ผ๊นŒ์š”?
  • ๊ฐ€์น˜ํ•จ์ˆ˜๋Š” ๋ฌด์—‡์ผ๊นŒ์š”? ์ˆ˜์‹์œผ๋กœ๋„ ํ‘œํ˜„ํ•ด์ฃผ์„ธ์š”
  • ๋ฒจ๋งŒ ๋ฐฉ์ •์‹์€ ๋ฌด์—‡์ผ๊นŒ์š”? ์ˆ˜์‹์œผ๋กœ๋„ ํ‘œํ˜„ํ•ด์ฃผ์„ธ์š”
  • ๊ฐ•ํ™”ํ•™์Šต์—์„œ ๋‹ค์ด๋‚˜๋ฏน ํ”„๋กœ๊ทธ๋ž˜๋ฐ์€ ์–ด๋–ค ์˜๋ฏธ๋ฅผ ๊ฐ€์งˆ๊นŒ์š”? ํ•œ๊ณ„์ ์€ ๋ฌด์—‡์ด ์žˆ์„๊นŒ์š”?
  • ๋ชฌํ…Œ์นด๋ฅผ๋กœ ๊ทผ์‚ฌ๋Š” ๋ฌด์—‡์ผ๊นŒ์š”? ๊ฐ€์น˜ํ•จ์ˆ˜๋ฅผ ์ถ”์ •ํ•  ๋•Œ ์–ด๋–ป๊ฒŒ ์‚ฌ์šฉํ• ๊นŒ์š”?
  • Value-based Reinforcement Learning๊ณผ Policy based Reinforcement Learning๋Š” ๋ฌด์—‡์ด๊ณ  ์–ด๋–ค ๊ด€๊ณ„๋ฅผ ๊ฐ€์งˆ๊นŒ์š”?
  • ๊ฐ•ํ™”ํ•™์Šต์ด ์–ด๋ ค์šด ์ด์œ ๋Š” ๋ฌด์—‡์ผ๊นŒ์š”? ๊ทธ๊ฒƒ์„ ์–ด๋–ค ๋ฐฉ์‹์œผ๋กœ ํ•ด๊ฒฐํ•  ์ˆ˜ ์žˆ์„๊นŒ์š”?
  • ๊ฐ•ํ™”ํ•™์Šต์„ ์‚ฌ์šฉํ•ด ํ…ŒํŠธ๋ฆฌ์Šค์—์„œ ๊ณ ๋“์ ์„ ์–ป๋Š” ํ”„๋กœ๊ทธ๋žจ์„ ๋งŒ๋“œ๋ ค๊ณ  ํ•ฉ๋‹ˆ๋‹ค. ์–ด๋–ป๊ฒŒ ๋งŒ๋“ค์–ด์•ผ ํ• ๊นŒ์š”?

GAN

  • GAN์— ๋Œ€ํ•ด ์•„๋Š”๋Œ€๋กœ ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”
  • GAN์˜ ๋‹จ์ ์€ ๋ฌด์—‡์ธ๊ฐ€์š”?
  • LSGAN์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”
  • GAN์ด ์™œ ๋œจ๊ณ  ์žˆ๋‚˜์š”?
  • Auto Encoder์— ๋Œ€ํ•ด์„œ ์•„๋Š”๋Œ€๋กœ ์–˜๊ธฐํ•˜๋ผ
    • MNIST AE๋ฅผ TF๋‚˜ Keras๋“ฑ์œผ๋กœ ๋งŒ๋“ ๋‹ค๋ฉด ๋ช‡์ค„์ผ๊นŒ?
    • MNIST์— ๋Œ€ํ•ด์„œ ์ž„๋ฒ ๋”ฉ ์ฐจ์›์„ 1๋กœ ํ•ด๋„ ํ•™์Šต์ด ๋ ๊นŒ?
    • ์ž„๋ฒ ๋”ฉ ์ฐจ์›์„ ๋Š˜๋ ธ์„ ๋•Œ์˜ ์žฅ๋‹จ์ ์€?
    • AE ํ•™์Šต์‹œ ํ•ญ์ƒ Loss๋ฅผ 0์œผ๋กœ ๋งŒ๋“ค์ˆ˜ ์žˆ์„๊นŒ?
    • VAE๋Š” ๋ฌด์—‡์ธ๊ฐ€?
  • ๊ฐ„๋‹จํ•œ MNIST DCGAN์„ ์ž‘์„ฑํ•œ๋‹ค๋ฉด TF ๋“ฑ์œผ๋กœ ๋ช‡์ค„ ์ •๋„ ๋ ๊นŒ?
    • GAN์˜ Loss๋ฅผ ์ ์–ด๋ณด๋ฉด?
    • D๋ฅผ ํ•™์Šตํ• ๋•Œ G์˜ Weight์„ ๊ณ ์ •ํ•ด์•ผ ํ•œ๋‹ค. ๋ฐฉ๋ฒ•์€?
    • ํ•™์Šต์ด ์ž˜ ์•ˆ๋ ๋•Œ ์‹œ๋„ํ•ด ๋ณผ ์ˆ˜ ์žˆ๋Š” ๋ฐฉ๋ฒ•๋“ค์€?

์ถ”์ฒœ ์‹œ์Šคํ…œ

  • ์ถ”์ฒœ ์‹œ์Šคํ…œ์—์„œ ์‚ฌ์šฉํ•  ์ˆ˜ ์žˆ๋Š” ๊ฑฐ๋ฆฌ๋Š” ๋ฌด์—‡์ด ์žˆ์„๊นŒ์š”?
  • User ๋ฒ ์ด์Šค ์ถ”์ฒœ ์‹œ์Šคํ…œ๊ณผ Item ๋ฒ ์ด์Šค ์ถ”์ฒœ ์‹œ์Šคํ…œ ์ค‘ ๋‹จ๊ธฐ๊ฐ„์— ๋น ๋ฅธ ํšจ์œจ์„ ๋‚ผ ์ˆ˜ ์žˆ๋Š” ๊ฒƒ์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • ์„ฑ๋Šฅ ํ‰๊ฐ€๋ฅผ ์œ„ํ•ด ์–ด๋–ค ์ง€ํ‘œ๋ฅผ ์‚ฌ์šฉํ• ๊นŒ์š”?
  • Explicit Feedback๊ณผ Implicit Feedback์€ ๋ฌด์—‡์ผ๊นŒ์š”? Impicit Feedback์„ ์–ด๋–ป๊ฒŒ Explicitํ•˜๊ฒŒ ๋ฐ”๊ฟ€ ์ˆ˜ ์žˆ์„๊นŒ์š”?
  • Matrix Factorization์€ ๋ฌด์—‡์ธ๊ฐ€์š”? ํ•ด๋‹น ์•Œ๊ณ ๋ฆฌ์ฆ˜์˜ ์žฅ์ ๊ณผ ๋‹จ์ ์€?
  • SQL์œผ๋กœ ์กฐํšŒ ๊ธฐ๋ฐ˜ Best, ๊ตฌ๋งค ๊ธฐ๋ฐ˜ Best, ์นดํ…Œ๊ณ ๋ฆฌ๋ณ„ Best๋ฅผ ๊ตฌํ•˜๋Š” ์ฟผ๋ฆฌ๋ฅผ ์ž‘์„ฑํ•ด์ฃผ์„ธ์š”
  • ์ถ”์ฒœ ์‹œ์Šคํ…œ์—์„œ KNN ์•Œ๊ณ ๋ฆฌ์ฆ˜์„ ํ™œ์šฉํ•  ์ˆ˜ ์žˆ์„๊นŒ์š”?
  • ์œ ์ €๊ฐ€ 10๋งŒ๋ช…, ์•„์ดํ…œ์ด 100๋งŒ๊ฐœ ์žˆ์Šต๋‹ˆ๋‹ค. ์ด ๊ฒฝ์šฐ ์ถ”์ฒœ ์‹œ์Šคํ…œ์„ ์–ด๋–ป๊ฒŒ ๊ตฌ์„ฑํ•˜์‹œ๊ฒ ์Šต๋‹ˆ๊นŒ?
  • ๋”ฅ๋Ÿฌ๋‹์„ ํ™œ์šฉํ•œ ์ถ”์ฒœ ์‹œ์Šคํ…œ์˜ ์‚ฌ๋ก€๋ฅผ ์•Œ๋ ค์ฃผ์„ธ์š”
  • ๋‘ ์ถ”์ฒœ์—”์ง„๊ฐ„์˜ ์„ฑ๋Šฅ ๋น„๊ต๋Š” ์–ด๋–ค ์ง€ํ‘œ์™€ ๋ฐฉ๋ฒ•์œผ๋กœ ํ•  ์ˆ˜ ์žˆ์„๊นŒ์š”? ๊ฒ€์ƒ‰์—”์ง„์—์„œ ์“ฐ๋˜ ๋ฐฉ๋ฒ•์„ ๊ทธ๋Œ€๋กœ ์“ฐ๋ฉด ๋ ๊นŒ์š”? ์•ˆ๋ ๊นŒ์š”?
  • Collaborative Filtering์— ๋Œ€ํ•ด ์„ค๋ช…ํ•œ๋‹ค๋ฉด?
  • Cold Start์˜ ๊ฒฝ์šฐ์—” ์–ด๋–ป๊ฒŒ ์ถ”์ฒœํ•ด์ค˜์•ผ ํ• ๊นŒ์š”?
  • ๊ณ ๊ฐ์‚ฌ๋“ค์€ ๊ธฐ์กด ์ถ”์ฒœ์„œ๋น„์Šค์— ๋Œ€ํ•œ ์˜๋ฌธ์ด ์žˆ์Šต๋‹ˆ๋‹ค. ์ฃผ๋กœ ๋งค์ถœ์ด ์‹ค์ œ ์˜ค๋ฅด๋Š”๊ฐ€ ํ•˜๋Š” ๊ฒƒ์ธ๋ฐ, ์ด๋ฅผ ๊ฒ€์ฆํ•˜๊ธฐ ์œ„ํ•œ ๋ฐฉ๋ฒ•์—๋Š” ์–ด๋–ค ๊ฒƒ์ด ์žˆ์„๊นŒ์š”? ์œ„ ๊ด€์ ์—์„œ ์šฐ๋ฆฌ ์„œ๋น„์Šค์˜ ์„ฑ๋Šฅ์„ ๊ณ ๊ฐ์—๊ฒŒ ๋ช…ํ™•ํ•˜๊ฒŒ ์ธ์ง€์‹œํ‚ค๊ธฐ ์œ„ํ•œ ๋ฐฉ๋ฒ•์„ ์ƒ๊ฐํ•ด๋ด…์‹œ๋‹ค.

๋ฐ์ดํ„ฐ๋ฒ ์ด์Šค

  • PostgreSQL์˜ ์žฅ์ ์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • ์ธ๋ฑ์Šค๋Š” ํฌ๊ฒŒ Hash ์ธ๋ฑ์Šค์™€ B+Tree ์ธ๋ฑ์Šค๊ฐ€ ์žˆ์Šต๋‹ˆ๋‹ค. ์ด๊ฒƒ์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • ์ธ๋ฑ์Šค Scan ๋ฐฉ์‹์€ ๋ฌด์—‡์ด ์žˆ๋‚˜์š”?
  • ์ธ๋ฑ์Šค ์„ค๊ณ„์‹œ NULL๊ฐ’์€ ๊ณ ๋ ค๋˜์•ผ ํ• ๊นŒ์š”?
  • Nested Loop ์กฐ์ธ์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • Windows ํ•จ์ˆ˜๋Š” ๋ฌด์—‡์ด๊ณ  ์–ด๋–ป๊ฒŒ ์ž‘์„ฑํ• ๊นŒ์š”?
  • KNN ์•Œ๊ณ ๋ฆฌ์ฆ˜์„ ์ฟผ๋ฆฌ๋กœ ๊ตฌํ˜„ํ•  ์ˆ˜ ์žˆ์„๊นŒ์š”?
  • MySQL์—์„œ ๋Œ€๋Ÿ‰์˜ ๋ฐ์ดํ„ฐ(500๋งŒ๊ฐœ ์ด์ƒ)๋ฅผ Insertํ•ด์•ผํ•˜๋Š” ๊ฒฝ์šฐ์—” ์–ด๋–ป๊ฒŒ ํ•ด์•ผํ• ๊นŒ์š”?
  • RDB์˜ char์™€ varchar์˜ ์ฐจ์ด๋Š” ๋ฌด์—‡์ผ๊นŒ์š”?
  • ๊ตฌ๊ธ€์˜ BigQuery, AWS์˜ Redshift๋Š” ๊ธฐ์กด RDB์™€ ๋ฌด์Šจ ์ฐจ์ด๊ฐ€ ์žˆ์„๊นŒ์š”? ์™œ ๋น ๋ฅผ๊นŒ์š”?
  • ์ฟผ๋ฆฌ์˜ ์„ฑ๋Šฅ์„ ํ™•์ธํ•˜๊ธฐ ์œ„ํ•ด ์–ด๋–ค ์ฟผ๋ฆฌ๋ฌธ์„ ์ž‘์„ฑํ•ด์•ผ ํ• ๊นŒ์š”?
  • MySQL์ด ์š”์ƒˆ ๋Š๋ฆฌ๋‹ค๋Š” ์‹ ๊ณ ๊ฐ€ ๋“ค์–ด์™”์Šต๋‹ˆ๋‹ค. ์ฒซ๋ฒˆ์งธ๋กœ ๋ฌด์—‡์„ ํ™•์ธํ•˜์‹œ๊ณ  ์กฐ์ •ํ•˜์‹œ๊ฒ ๋‚˜์š”?
  • ๋™์ž‘ํ•˜๋Š” MySQL์— Alter table์„ ํ•˜๋ฉด ์•ˆ๋˜๋Š” ์ด์œ ๋ฅผ ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”. ๊ทธ๋ฆฌ๊ณ  ๋Œ€์•ˆ์„ ์„ค๋ช…ํ•ด์ฃผ์„ธ์š”
  • ๋นก์„ธ๊ฒŒ ๋™์ž‘ํ•˜๊ณ  ์žˆ๋Š” MySQL์„ ๋ฐฑ์—…๋œจ๊ธฐ ์œ„ํ•ด์„œ๋Š” ์–ด๋–ค ๋ฐฉ๋ฒ•์ด ํ•„์š”ํ• ๊นŒ์š”?

๋ฐ์ดํ„ฐ ์‹œ๊ฐํ™”

  • ๋„คํŠธ์›Œํฌ ๊ด€๊ณ„๋ฅผ ์‹œ๊ฐํ™”ํ•ด์•ผ ํ•  ๊ฒฝ์šฐ ์–ด๋–ป๊ฒŒ ํ•ด์•ผํ• ๊นŒ์š”?
  • Tableau๊ฐ™์€ BI Tool์€ ์–ด๋Š ๊ฒฝ์šฐ ๋„์ž…ํ•˜๋ฉด ์ข‹์„๊นŒ์š”?
  • "์‹ ๊ทœ/์žฌ๋ฐฉ๋ฌธ์ž๋ณ„ ์ง€์—ญ๋ณ„(ํ˜น์€ ์ผ๋ณ„) ๋ฐฉ๋ฌธ์ž์ˆ˜์™€ ๊ตฌ๋งค์ „ํ™˜์œจ"์ด๋‚˜ "๊ณ ๊ฐ๋“ฑ๊ธ‰๋ณ„ ์ตœ๊ทผ๋ฐฉ๋ฌธ์ผ๋ณ„ ๊ณ ๊ฐ์ˆ˜์™€ ํ‰๊ท ๊ตฌ๋งค๊ธˆ์•ก"์™€ ๊ฐ™์ด 4๊ฐ€์ง€ ์ด์ƒ์˜ ์ •๋ณด๋ฅผ ์‹œ๊ฐํ™”ํ•˜๋Š” ๊ฐ€์žฅ ์ข‹์€ ๋ฐฉ๋ฒ•์„ ์ถ”์ฒœํ•ด์ฃผ์„ธ์š”
  • ๊ตฌ๋งค์— ์˜ํ–ฅ์„ ์ฃผ๋Š” ์š”์†Œ์˜ ๋ฐœ๊ฒฌ์„ ์œ„ํ•œ ๊ด€์ ์—์„œ, ๊ฐœ์ธ์— ๋Œ€ํ•œ ์‡ผํ•‘๋ชฐ ์›น ํ™œ๋™์˜ ์‹œ๊ณ„์—ด ๋ฐ์ดํ„ฐ๋ฅผ ํšจ๊ณผ์ ์œผ๋กœ ์‹œ๊ฐํ™”ํ•˜๊ธฐ ์œ„ํ•œ ๋ฐฉ๋ฒ•์€ ๋ฌด์—‡์ผ๊นŒ์š”? ํ‘œํ˜„๋˜์–ด์•ผ ํ•˜๋Š” ์ •๋ณด(feature)๋Š” ์–ด๋–ค ๊ฒƒ์ผ๊นŒ์š”? ์‹ค์ œ์‹œ ์–ด๋–ค ๊ฒƒ์ด ๊ฐ€์žฅ ๊ณ ๋ฏผ๋ ๊นŒ์š”?
  • ํŒŒ์ด์ฐจํŠธ๋Š” ์™œ ๊ตฌ๋ฆด๊นŒ์š”? ์–ธ์ œ ๊ตฌ๋ฆฐ๊ฐ€์š”? ์•ˆ๊ตฌ๋ฆด๋•Œ๋Š” ์–ธ์ œ์ธ๊ฐ€์š”?
  • ํžˆ์Šคํ† ๊ทธ๋žจ์˜ ๊ฐ€์žฅ ํฐ ๋ฌธ์ œ๋Š” ๋ฌด์—‡์ธ๊ฐ€์š”?
  • ์›Œ๋“œํด๋ผ์šฐ๋“œ๋Š” ๋ณด๊ธฐ์—” ์˜ˆ์˜์ง€๋งŒ ์•ฝ์ ์ด ์žˆ์Šต๋‹ˆ๋‹ค. ์–ด๋–ค ์•ฝ์ ์ผ๊นŒ์š”?
  • ์–ด๋–ค 1์ฐจ์›๊ฐ’์ด, ๋ฐ์ดํ„ฐ๊ฐ€ ๋ชฐ๋ ค์žˆ์–ด์„œ ์ง์„ ์ƒ์— ํ‘œํ˜„ํ–ˆ์„ ๋•Œ ๋ณด๊ธฐ๊ฐ€ ์‰ฝ์ง€ ์•Š์Šต๋‹ˆ๋‹ค. ์–ด๋–ป๊ฒŒ ํ•ด์•ผํ• ๊นŒ์š”?

์‹œ์Šคํ…œ ์—”์ง€๋‹ˆ์–ด๋ง

  • ์ง€์†์ ์ธ Cron ์ž‘์—…์ด ํ•„์š”ํ•ฉ๋‹ˆ๋‹ค. (dependency๊ฐ€ ์žˆ๋Š” ์ž‘์—…๋“ค๋„ ์กด์žฌํ•ฉ๋‹ˆ๋‹ค) ์–ด๋–ป๊ฒŒ ์ž‘์—…๋“ค์„ ๊ด€๋ฆฌํ• ๊นŒ์š”?
  • ์ฒ˜์Œ ์„œ๋ฒ„๋ฅผ ์ƒ€์Šต๋‹ˆ๋‹ค. ์–ด๋–ค ๋ณด์•ˆ์  ์กฐ์น˜๋ฅผ ๋จผ์ € ํ•˜์‹œ๊ฒ ์Šต๋‹ˆ๊นŒ?
  • SSH๋กœ์˜ brute-force attack์„ ๋ง‰๊ธฐ ์œ„ํ•ด์„œ ์–ด๋–ค ์กฐ์น˜๋ฅผ ์ทจํ•˜๊ณ  ์‹ถ์œผ์‹ ๊ฐ€์š”?
  • ํ”„๋กœ์„ธ์Šค์˜ CPU ์ƒํƒœ๋ฅผ ๋ณด๊ธฐ ์œ„ํ•ด top์„ ํ–ˆ์Šต๋‹ˆ๋‹ค. user,system,iowait์ค‘์— ๋ญ๋ฅผ ์ œ์ผ ์‹ ๊ฒฝ์“ฐ์‹œ๋‚˜์š”? ์ด์ƒ์ ์ธ ํ”„๋กœ๊ทธ๋žจ์ด๋ผ๋ฉด ์–ด๋–ป๊ฒŒ ์ € ๊ฐ’๋“ค์ด ๋‚˜์˜ค๊ณ  ์žˆ์–ด์•ผ ํ• ๊นŒ์š”?
  • iowait์ด ๋†’๊ฒŒ ๋‚˜์™”๋‹ค๋ฉด, ๋‚ด๊ฐ€ ํ•ด์•ผํ•˜๋Š” ์กฐ์น˜๋Š” ๋ฌด์—‡์ธ๊ฐ€์š”? (๋ˆ์œผ๋กœ ํ•ด๊ฒฐํ•˜๋Š” ๋ฐฉ๋ฒ•๊ณผ ์†Œํ”„ํŠธ์›จ์–ด๋กœ ํ•ด๊ฒฐํ•˜๋Š” ๋ฐฉ๋ฒ•์„ ๋Œ€๋‹ตํ•ด์ฃผ์„ธ์š”)
  • ๋™์‹œ์— 10๊ฐœ์˜ ์ปดํ“จํ„ฐ์— ๋ผ์ด๋ธŒ๋Ÿฌ๋ฆฌ๋ฅผ ์„ค์น˜ํ•˜๋Š” ์ผ์ด ๋นˆ๋ฒˆํžˆ ๋ฐœ์ƒํ•ฉ๋‹ˆ๋‹ค. ์–ด๋–ค ํ•ด๊ฒฐ์ฑ…์ด ์žˆ์„๊นŒ์š”?
  • screen๊ณผ tmux์ค‘์— ๋ญ˜ ๋” ์ข‹์•„ํ•˜์‹œ๋‚˜์š”?
  • vim์ž…๋‹ˆ๊นŒ. emacs์ž…๋‹ˆ๊นŒ. ์†Œ์†์„ ๋ฐํžˆ์„ธ์š”.
  • ๊ฐ€์žฅ ์ข‹์•„ํ•˜๋Š” ๋ฆฌ๋ˆ…์Šค ๋ฐฐํฌํŒ์€ ๋ญก๋‹ˆ๊นŒ. ์™œ์ฃ ?
  • ๊ด€๋ฆฌํ•˜๋Š” ์ปดํ“จํ„ฐ๊ฐ€ 10๋Œ€๊ฐ€ ๋„˜์—ˆ์Šต๋‹ˆ๋‹ค. ์ค‘์š”ํ•œ ๋ชจ๋‹ˆํ„ฐ๋ง ์ง€ํ‘œ๋Š” ๋ญ๊ฐ€ ์žˆ์„๊นŒ์š”? ๋ญ๋กœ ํ•˜์‹ค๊ฑด๊ฐ€์š”?
  • GIT์˜ ์†Œ์Šค๊ฐ€ ์žˆ๊ณ , ์„œ๋น„์Šค ์‚ฌ์šฉ์ค‘์ธ ์›น์„œ๋ฒ„๊ฐ€ 10๋Œ€ ์ด์ƒ ๋„˜๊ฒŒ ์žˆ์Šต๋‹ˆ๋‹ค. ์–ด๋–ป๊ฒŒ ๋ฐฐํฌํ• ๊ฑด๊ฐ€์š”?

๋ถ„์‚ฐ์ฒ˜๋ฆฌ

  • Apache Beam์— ๋Œ€ํ•ด ์•„์‹œ๋‚˜์š”? ๊ธฐ์กด ํ•˜๋‘ก๊ณผ ์–ด๋–ค ์ฐจ์ด๊ฐ€ ์žˆ์„๊นŒ์š”?
  • ์ข‹๊ฒŒ ๋งŒ๋“ค์–ด์ง„ MapReduce๋Š” ์–ด๋–ค ํ”„๋กœ๊ทธ๋žจ์ผ๊นŒ์š”? ๋ฐ์ดํ„ฐ์˜ Size ๋ณ€ํ™”์˜ ๊ด€์ ์—์„œ ์„ค๋ช…ํ•  ์ˆ˜ ์žˆ์„๊นŒ์š”?
  • ์—ฌ๋Ÿฌ MR์ž‘์—…์˜ ์—ฐ์‡„๋กœ ์ตœ์ข…๊ฒฐ๊ณผ๋ฌผ์ด ๋‚˜์˜ฌ๋•Œ, ์ค‘๊ฐ„์— ์ž‘์—…์ด Fail๋‚ ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์ž‘์—…์˜ Fail์€ ์–ด๋–ป๊ฒŒ ๋ชจ๋‹ˆํ„ฐ๋ง ํ•˜์‹œ๊ฒ ์Šต๋‹ˆ๊นŒ? ์ž‘์—…๋“ค๊ฐ„์˜ dependency๋Š” ์–ด๋–ป๊ฒŒ ํ•ด๊ฒฐํ•˜์‹œ๊ฒ ์Šต๋‹ˆ๊นŒ?
  • ๋ถ„์‚ฐํ™˜๊ฒฝ์˜ JOIN์€, ๋ณดํ†ต ๋””์Šคํฌ, CPU, ๋„คํŠธ์›Œํฌ ์ค‘ ์–ด๋””์—์„œ ๋ณ‘๋ชฉ์ด ๋ฐœ์ƒํ• ๊นŒ์š”? ์ด๋ฅผ ํ•ด๊ฒฐํ•˜๊ธฐ ์œ„ํ•ด ๋ฌด์—‡์„ ํ•ด์•ผ ํ• ๊นŒ์š”?
  • ์•”๋‹ฌ์˜ ๋ฒ•์น™์— ๋Œ€ํ•ด ๋งํ•ด๋ด…์‹œ๋‹ค. ๊ทธ๋Ÿฌ๋ฏ€๋กœ ์™œ shared-nothing ๊ตฌ์กฐ๋กœ ๋งŒ๋“ค์–ด์•ผ ํ•˜๋Š”์ง€ ์„ค๋ช…ํ•ด๋ด…์‹œ๋‹ค.
  • shared-nothing ๊ตฌ์กฐ์˜ ๋‹จ์ ๋„ ์žˆ์Šต๋‹ˆ๋‹ค. ์–ด๋–ค ๊ฒƒ์ด ํ•ด๋‹นํ• ๊นŒ์š”?
  • Spark์ด Hadoop๋ณด๋‹ค ๋น ๋ฅธ ์ด์œ ๋ฅผ I/O ์ตœ์ ํ™” ๊ด€์ ์—์„œ ์ƒ๊ฐํ•ด๋ด…์‹œ๋‹ค.
  • ์นด์‚ฐ๋“œ๋ผ๋Š” ๋งํ•œ๊ฒƒ ๊ฐ™์Šต๋‹ˆ๋‹ค. ์™œ ๋งํ•œ๊ฒƒ ๊ฐ™๋‚˜์š”? ๊ทธ๋ž˜๋„ ํ™œ์šฉ์ฒ˜๊ฐ€ ์žˆ๋‹ค๋ฉด ์–ด๋””์ธ๊ฒƒ ๊ฐ™๋‚˜์š”.
  • TB ๋‹จ์œ„ ์ด์ƒ์˜ ๊ธฐ์กด ๋ฐ์ดํ„ฐ์™€ ์‹œ๊ฐ„๋‹น GB๋‹จ์œ„์˜ ์‹ ์ƒ ๋กœ๊ทธ๊ฐ€ ๋“ค์–ด์˜ค๋Š” ์„œ๋น„์Šค์—์„œ ๋ชจ๋“  ๊ฐ€์ž…์ž์—๊ฒŒ ๊ฐœ๋ณ„์ ์œผ๋กœ ๊ณ„์‚ฐ๋œ ์‹ค์‹œ๊ฐ„ ์„œ๋น„์Šค(์›น)๋ฅผ ์ œ๊ณตํ•˜๊ธฐ ์œ„ํ•œ ์‹œ์Šคํ…œ ๊ตฌ์กฐ๋ฅผ ๊ตฌ์ƒํ•ด๋ด…์‹œ๋‹ค.
  • ๋Œ€์šฉ๋Ÿ‰ ์ž๋ฃŒ๋ฅผ ๋น ๋ฅด๊ฒŒ lookupํ•ด์•ผ ํ•˜๋Š” ์ผ์ด ์žˆ์Šต๋‹ˆ๋‹ค. (100GB ์ด์ƒ, 100ms์–ธ๋”๋กœ ํŠน์ •์ž๋ฃŒ ์ฐพ๊ธฐ). ์–ด๋–ค ๋ฐฑ์—”๋“œ๋ฅผ ์‚ฌ์šฉํ•˜์‹œ๊ฒ ๋‚˜์š”? ๋Š๋ฆฐ ๋ฐฑ์—”๋“œ๋ฅผ ์‚ฌ์šฉํ•œ๋‹ค๋ฉด ์ด๋ฅผ ๋ณด์™„ํ•  ๋ฐฉ๋ฒ•์€ ๋ญ๊ฐ€ ์žˆ์„๊นŒ์š”?
  • ๋ฐ์ดํ„ฐ๋ฅผ ์—ฌ๋Ÿฌ ๋จธ์‹ ์œผ๋กœ ๋ถ€ํ„ฐ ๋ชจ์œผ๊ธฐ ์œ„ํ•ด ์—ฌ๋Ÿฌ ์„ ํƒ์ง€๊ฐ€ ์žˆ์„ ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. (flume, fluentd๋“ฑ) ์•„์˜ˆ ์†Œ์Šค๋กœ๋ถ€ํ„ฐ kafka๋“ฑ์˜ ๋ฉ”์‹œ์ง• ์‹œ์Šคํ…œ์„ ๋ฐ”๋กœ ์“ธ ์ˆ˜๋„ ์žˆ์Šต๋‹ˆ๋‹ค. ์–ด๋–ค ๊ฒƒ์„ ์„ ํ˜ธํ•˜์‹œ๋‚˜์š”? ์™œ์ฃ ?

์›น ์•„ํ‚คํ…์ณ

  • ํŠธ๋ž˜ํ”ฝ์ด ๋ชฐ๋ฆฌ๋Š” ์ƒํ™ฉ์ž…๋‹ˆ๋‹ค. AWS์˜ ELB ์„ธํŒ…์„ ์œ„ํ•ด์„œ ์›น์„œ๋ฒ„๋Š” ์–ด๋–ค ์š”๊ฑด์„ ๊ฐ€์ ธ์•ผ ์‰ฝ๊ฒŒ autoscale๊ฐ€๋Šฅํ• ๊นŒ์š”?
  • ์™œ Apache๋ณด๋‹ค Nginx๊ฐ€ ์„ฑ๋Šฅ์ด ์ข‹์„๊นŒ์š”? node.js๊ฐ€ ์„ฑ๋Šฅ์ด ์ข‹์€ ์ด์œ ์™€ ๊ณ๋“ค์—ฌ ์„ค๋ช…ํ•  ์ˆ˜ ์žˆ์„๊นŒ์š”?
  • node.js๋Š” ์ผ๋ฐ˜์ ์œผ๋กœ ๋น ๋ฅด์ง€๋งŒ ์–ด๋–ค ๊ฒฝ์šฐ์—๋Š” ์“ฐ๋ฉด ์•ˆ๋ ๊นŒ์š”?
  • ํ•˜๋‚˜์˜ IP์—์„œ ์—ฌ๋Ÿฌ ๋„๋ฉ”์ธ์˜ HTTPS ์„œ๋ฒ„๋ฅผ ์šด์˜ํ•  ์ˆ˜ ์žˆ์„๊นŒ์š”? ์•ˆ๋œ๋‹ค๋ฉด ์™œ์ธ๊ฐ€์š”? ๋˜ ์ด๊ฑธ ํ•ด๊ฒฐํ•˜๋Š” ๋ฐฉ๋ฒ•์ด ์žˆ๋Š”๋ฐ ๊ทธ๊ฑด ๋ญ˜๊นŒ์š”?
  • ๊ฐœ๋ฐœ์ด ํ•œ์ฐฝ ์ง„ํ–‰๋˜๋Š” ์™€์ค‘์—๋„ ์„œ๋น„์Šค๋Š” ๊ณ„์† ์šด์˜๋˜์–ด์•ผ ํ•ฉ๋‹ˆ๋‹ค. ์ด๋ฅผ ๊ฐ€๋Šฅํ•˜๊ฒŒ ํ•˜๋Š” ์ƒ์šฉ deploy ํ™˜๊ฒฝ์€ ์–ด๋–ป๊ฒŒ ๊ตฌํ˜„๊ฐ€๋Šฅํ•œ๊ฐ€์š”? WEB/WAS/DB/Cluster ๊ฐ๊ฐ์˜ ์˜์—ญ์—์„œ ์ค‘์š”ํ•œ ๋ณ€ํ™”๊ฐ€ ์ˆ˜๋ฐ˜๋˜๋Š” ๊ฒฝ์šฐ์—๋„ ๋™์ž‘ ๊ฐ€๋Šฅํ•œ, ๊ฐ€์žฅ Cost๊ฐ€ ์ ์€ ๋ฐฉ์‹์„ ๊ตฌ์ƒํ•˜๊ณ  ์‹œ๋‚˜๋ฆฌ์˜ค๋ฅผ ๋งŒ๋“ค์–ด๋ด…์‹œ๋‹ค.

์„œ๋น„์Šค ๊ตฌํ˜„

  • ํฌ๋กค๋Ÿฌ๋ฅผ ํŒŒ์ด์ฌ์œผ๋กœ ๊ตฌํ˜„ํ•  ๋•Œ BeautifulSoup๊ณผ Selenium์˜ ์žฅ๋‹จ์ ์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • ๋นˆ๋ฒˆํ•œ ์ ‘์†์œผ๋กœ ์šฐ๋ฆฌ IP๊ฐ€ ์ฐจ๋‹จ๋˜์—ˆ์„ ๋•Œ์˜ ํ•ด๊ฒฐ์ฑ…์€? (๋Œ€ํ™”๋กœ ํ‘ผ๋‹ค. ์ด๋Ÿฐ๊ฑฐ ๋ง๊ตฌ์š”)
  • ๋‹น์žฅ 10๋ถ„์•ˆ์— ์‚ฌ์ดํŠธ์˜ A/B ํ…Œ์ŠคํŠธ๋ฅผ ํ•˜๊ณ  ์‹ถ๋‹ค๋ฉด ์–ด๋–ป๊ฒŒ ํ•ด์•ผ ํ• ๊นŒ์š”? ํƒ€ ์„œ๋น„์Šค๋ฅผ ์จ๋„๋ฉ๋‹ˆ๋‹ค.
  • ์‹ ๊ทœ ๋ฐฉ๋ฌธ์ž์™€ ์žฌ ๋ฐฉ๋ฌธ์ž๋ฅผ ๊ตฌ๋ณ„ํ•˜์—ฌ A/B ํ…Œ์ŠคํŠธ๋ฅผ ํ•˜๊ณ  ์‹ถ๋‹ค๋ฉด ์–ด๋–ป๊ฒŒ ํ•ด์•ผ ํ• ๊นŒ์š”?
  • R์˜ ๊ฒฐ๊ณผ๋ฌผ์„ python์œผ๋กœ ๋งŒ๋“  ๋Œ€์‹œ๋ณด๋“œ์— ๋„ฃ๊ณ  ์‹ถ๋‹ค๋ฉด ์–ด๋–ค ๋ฐฉ๋ฒ•๋“ค์ด ๊ฐ€๋Šฅํ• ๊นŒ์š”?
  • ์‡ผํ•‘๋ชฐ์˜ ์ƒํ’ˆ๋ณ„ ๋…ธ์ถœ ํšŸ์ˆ˜์™€ ํด๋ฆญ์ˆ˜๋ฅผ ์†์‰ฝ๊ฒŒ ์ˆ˜์ง‘ํ•˜๋ ค๋ฉด ์–ด๋–ป๊ฒŒ ํ•ด์•ผ ํ• ๊นŒ์š”?
  • ์—ฌ๋Ÿฌ ์›น์‚ฌ์ดํŠธ๋ฅผ ๋Œ์•„๋‹ค๋‹ˆ๋Š” ์‚ฌ์šฉ์ž๋ฅผ ํ•˜๋‚˜๋กœ ์—ฎ์–ด์„œ ๋ณด๊ณ ์ž ํ•ฉ๋‹ˆ๋‹ค. ์šฐ๋ฆฌ๊ฐ€ ๊ฐ ์‚ฌ์ดํŠธ์˜ ์›น์— ์šฐ๋ฆฌ ์ฝ”๋“œ๋ฅผ ์‚ฝ์ž…ํ•  ์ˆ˜ ์žˆ๋‹ค๊ณ  ๊ฐ€์ •ํ•  ๋•Œ, ์ด๊ฒƒ์ด ๊ฐ€๋Šฅํ•œ๊ฐ€์š”? ๊ฐ€๋Šฅํ•˜๋‹ค๋ฉด, ๊ทธ ๋ฐฉ๋ฒ•์—๋Š” ์–ด๋–ค ๊ฒƒ์ด ์žˆ์„๊นŒ์š”?
  • ๊ณ ๊ฐ์‚ฌ ํ˜น์€ ์™ธ๋ถ€ ์„œ๋ฒ„์™€์˜ ๋ฐ์ดํ„ฐ ์ „๋‹ฌ์ด ํ•„์š”ํ•œ ๊ฒฝ์šฐ๊ฐ€ ์žˆ์Šต๋‹ˆ๋‹ค. ๋ฐ์ดํ„ฐ ์ „๋‹ฌ ๊ณผ์ •์—์„œ ๋ณด์•ˆ์„ ์œ„ํ•ด ๋‹น์—ฐํžˆ(plain text)๋กœ ์ „์†กํ•˜๋Š” ๊ฒƒ์€ ์•ˆ๋ฉ๋‹ˆ๋‹ค. ์–ด๋–ค ๋ฐฉ๋ฒ•์ด ์žˆ์„๊นŒ์š”?

๋Œ€ ๊ณ ๊ฐ ์‚ฌ์ด๋“œ

  • ๊ณ ๊ฐ์ด ๊ถ๊ธˆํ•˜๋‹ค๊ณ  ๋งํ•˜๋Š” ์š”์†Œ๊ฐ€ ๋‚ด๊ฐ€ ์ƒ๊ฐํ•˜๊ธฐ์—๋Š” ์ค‘์š”ํ•˜์ง€ ์•Š๊ณ  ๋‹ค๋ฅธ ๋ถ€๋ถ„์ด ๋” ์ค‘์š”ํ•ด ๋ณด์ž…๋‹ˆ๋‹ค. ์–ด๋–ค ์‹์œผ๋กœ ๋Œ€ํ™”๋ฅผ ํ’€์–ด๋‚˜๊ฐ€์•ผ ํ• ๊นŒ์š”?
  • ํ˜„์—… ์นด์šดํ„ฐ ํŒŒํŠธ์™€ ์ž์ฃผ ๋งŒ๋‚˜๋ฉฐ ์‹คํŒจํ•œ ๋ถ„์„๊นŒ์ง€ ๊ฐ™์ด ๊ณต์œ ํ•˜๋Š” ๊ฒฝ์šฐ์™€, ์‹œ๊ฐ„์„ ๋‘๊ณ  ๋ฉ‹์ง„ ๊ฒฐ๊ณผ๋งŒ ๊ณต์œ ํ•˜๋Š” ์ผ€์ด์Šค์—์„œ ๋ฌด์—‡์„ ์„ ํƒํ•˜์‹œ๊ฒ ์Šต๋‹ˆ๊นŒ?
  • ๊ณ ๊ฐ์ด ์งˆ๋ฌธ์ง€ ๋ฆฌ์ŠคํŠธ๋ฅผ 10๊ฐœ๋ฅผ ์ฃผ์—ˆ์Šต๋‹ˆ๋‹ค. ์–ด๋–ค ๊ธฐ์ค€์œผ๋กœ ์šฐ์„ ์ˆœ์œ„๋ฅผ ์ •ํ•ด์•ผ ํ• ๊นŒ์š”?
  • ์˜คํ”„๋ผ์ธ ๋ฐ์ดํ„ฐ๊ฐ€ ๊ฒฐํ•ฉ์ด ๋˜์–ด์•ผ ํ•ด์„œ, ๋ฐ์ดํ„ฐ์˜ ํ”ผ๋“œ๋ฐฑ ์ฃผ๊ธฐ๊ฐ€ ๋งค์šฐ ๋Š๋ฆฌ๊ณ  ์ •ํ•ฉ์„ฑ๋„ ์˜์‹ฌ๋˜๋Š” ์ƒํ™ฉ์ž…๋‹ˆ๋‹ค. ์šฐ๋ฆฌ๊ฐ€ ํ•  ์ˆ˜ ์žˆ๋Š” ์•ก์…˜์ด๋‚˜ ๋ฐฉํ–ฅ ์ˆ˜์ •์€ ๋ฌด์—‡์ผ๊นŒ์š”?
  • ๋™์‹œ์— ์—ฌ๋Ÿฌ๊ฐœ์˜ A/Bํ…Œ์ŠคํŠธ๋ฅผ ๋Œ๋ฆฌ๊ธฐ์—” ๋ชจ์ˆ˜๊ฐ€ ๋ถ€์กฑํ•œ ์ƒํ™ฉ์ž…๋‹ˆ๋‹ค. ์–ด๋–ป๊ฒŒ ํ•ด์•ผํ• ๊นŒ์š”?
  • ๊ณ ๊ฐ์‚ฌ๊ฐ€ ๊ณผ๋„ํ•˜๊ฒŒ ์ •๋ณด์„ฑ ๋Œ€์‹œ๋ณด๋“œ๋งŒ์„ ์š”์ฒญํ•  ๊ฒฝ์šฐ, ์–ด๋–ป๊ฒŒ ๋Œ€์ฒ˜ํ•ด์•ผ ํ• ๊นŒ์š”?
  • ๊ณ ๊ฐ์‚ฌ์—๊ฒŒ ์œ„ํด๋ฆฌ ๋ฆฌํฌํŠธ๋ฅผ ์ œ๊ณตํ•˜๊ณ  ์žˆ์—ˆ๋Š”๋ฐ, ๊ธˆ์ฃผ์—๋Š” ๋ณ„๋‹ค๋ฅธ ๋‚ด์šฉ์ด ์—†์—ˆ์Šต๋‹ˆ๋‹ค. ์–ด๋–ป๊ฒŒ ํ• ๊นŒ์š”?
  • ์นดํŽ˜24, ๋ฉ”์ดํฌ์ƒต ๊ฐ™์€ ์„œ๋น„์Šค์—์„œ ๋ฐ์ดํ„ฐ๋ฅผ ์–ด๋–ป๊ฒŒ ๊ฐ€์ ธ์˜ค๋ฉด ์ข‹์„๊นŒ์š”?
  • ๊ธฐ์กด์— ๊ฐ™์€ ๋ชฉ์ ์˜ ์—…๋ฌด๋ฅผ ์ˆ˜ํ–‰ํ•˜๋˜ ์กฐ์ง์ด ์žˆ์Šต๋‹ˆ๋‹ค. ์–ด๋–ป๊ฒŒ ๊ด€๊ณ„ ํ˜•์„ฑ์„ ํ•ด ๋‚˜๊ฐ€์•ผ ํ• ๊นŒ์š”. ํ˜น์€ ์ผ์ด ๋˜๊ฒŒ ํ•˜๊ธฐ ์œ„ํ•ด์„œ๋Š” ์–ด๋–ค ๋ถ€๋ถ„์ด ํ•ด์†Œ๋˜์–ด์•ผ ํ• ๊นŒ์š”.
  • ์ธํ„ฐ๋ทฐ๋‚˜ ๊ฐ•์˜์— ํ™œ์šฉํ•˜๊ธฐ ์œ„ํ•œ ๋ฐฑ๋ฐ์ดํ„ฐ๋Š” ์–ด๋Š ์ˆ˜์ค€๊นŒ์ง€ ์ผ๋ฐ˜ํ™” ํ•ด์„œ ์‚ฌ์šฉํ•ด์•ผ ํ• ๊นŒ์š”?
  • ๊ณ ๊ฐ์‚ฌ๊ฐ€ ์šฐ๋ฆฌ์™€ ์ผํ•˜๊ณ  ์‹ถ์€๋ฐ ํ˜„์žฌ๋Š” capa๊ฐ€ ๋˜์ง€ ์•Š์Šต๋‹ˆ๋‹ค. ์–ด๋–ป๊ฒŒ ๋Œ€์ฒ˜ํ•ด์•ผ ํ• ๊นŒ์š”?

๊ฐœ์ธ์ •๋ณด

  • ์–ด๋–ค ์ •๋ณด๋“ค์ด ๊ฐœ์ธ์ •๋ณด์— ํ•ด๋‹นํ• ๊นŒ์š”? ID๋Š” ๊ฐœ์ธ์ •๋ณด์— ํ•ด๋‹นํ• ๊นŒ์š”? ์ด๋ฅผ ์–ด๊ธฐ์ง€ ์•Š๋Š” ํ•ฉ๋ฒ•์  ๋ฐฉ๋ฒ•์œผ๋กœ ์‹๋ณ„ํ•˜๊ณ  ์‹ถ์œผ๋ฉด ์–ด๋–ป๊ฒŒ ํ•ด์•ผํ• ๊นŒ์š”?
  • ๊ตญ๋‚ด ๊ฐœ์ธ ์ •๋ณด ๋ณดํ˜ธ ํ˜„ํ™ฉ์— ๋Œ€ํ•œ ๊ฒฌํ•ด๋Š” ์–ด๋– ํ•œ์ง€์š”? ๋งŒ์•ฝ ์‚ฌ์—…์„ ์ง„ํ–‰ํ•˜๋Š”๋ฐ ์žฅ์• ์š”์†Œ๋กœ ์ž‘์šฉํ•œ๋‹ค๋ฉด, ์ด์— ๋Œ€ํ•œ ํ•ด๊ฒฐ ๋ฐฉ์•ˆ์€ ์–ด๋–ค ๊ฒƒ์ด ์žˆ์„๊นŒ์š”?
  • ์ œ3์ž ์ฟ ํ‚ค๋Š” ์™œ ๋ฌธ์ œ๊ฐ€ ๋˜๋‚˜์š”?

Reference

Releases

No releases published

Packages

No packages published