면접을 복기하며!

받았던 면접 질문들

- batch norm
- 차원의 저주
- overfitting이 있음에도 왜 deep learning을 사용하는가
- 개발자로서의 본인의 포부 
- 팀 프로젝트 할 때 팀 빌딩을 어떻게 했는지? 그 이유는?
- 팀 간 소통은 어떻게 진행을 했는지?
- 프로젝트 진행 시에 왜 해당 모형을 사용했는지 그 근거 (이게 제일 중요했음. 특히 데이터 분석의 경우)
- xgboost와 lgbm의 차이 (당시에 제대로 대답 못했다..)
- b2b 데이터와 b2c 데이터는 어떻게 다른지
- (네이버 파이낸셜 AML 인턴) 본인이 생각하는 이상거래의 패턴은?
- 데이터 분석을 진행하는 목적 (2020 빅콘 챌린지의 경우, 단순히 수요예측이 문제라기보다는 이를 어떻게 활용할 건지가 중요했다. 이걸 통해서 편성을 최적화하는 태스크가 중요했다. 이런 식으로!)
- 모르는 게 생겼을 때 어떤 식으로 해결을 할거냐 (소통 관련한 질문이었던 거 같다)

 

나는 분석을 할 때 아무래도 챌린지 위주로 진행을 하다보니 성능에 가장 큰 신경을 쓰고 모형은 당연히 부스팅 모델을 깔고 들어가는 경향이 있다. 그리고 회사의 입장에서 생각한다기보다는 개인의 입장에서 사용해보고 싶었던 모형을 적용해보고 조금 더 fancy한 모델을 적용해보고 싶어하는 경향이 컸던 것 같다.

하지만 회사에서는 이러한 모형을 적용하는 데에 있어서 "왜"가 중요한 것 같다. 이러한 "왜"를 생각해보면 데이터의 특성과 왜 분석을 수행하는지에 대한 그 목적을 제대로 이해하는 것이 가장 필요하다고 생각한다. AI는 기술 연구이지만 데이터 분석은 기술 활용에 가깝다. 활용에 있어서는 그 목적이 중요하다. 하여튼 나는 개인의 관점에서만 분석을 접근했던 게 패착이었던 것 같다. 

앞으로 분석을 한다면 왜 이런 분석을 하는지 그 백그라운드에 대해 조금 더 면밀히 생각하고 그에 따라서 어떤식으로 모형을 설계할 것인지에 대해 조금 더 논리적으로 접근하는 것이 필요할 듯하다. 기술적인 접근도 중요하지만 기술의 기저에 깔려있는 좀 더 근본에 접근해서 task를 다루는 사람이 되어야겠다.
(하지만 또 동시에 단순한 kaggle, dacon 챌린지로는 이러한 부분을 파악하기가 어렵다는 단점이 있다...어렵다)

기계적으로 분석하지말고 충분히 사고하면서 분석해야지...분석이든 개발이든 생각은 꼭 필요하다..