[대학원] AI 대학원 면접준비

지난 카이스트 대학원 입시에서 서류는 통과했으나 면접에서 전공지식이 부족한 것을 많이 느껴 이번에는 전공면접 대비를 제대로 해 보려고 한다.

 

 

---

통계

 

1. 코로나 진단키트 1종오류, 2종오류 높은것 중 어떤걸 선택? 만약 검사수가 엄청 늘어난다면?
2. 두 집단의 평균의 차이알고싶을땐 어떤검사?

3. 큰수의법칙과 중심극한정리의 차이?

4. 표준오차와 표준편차의 차이

5. 조건부확률이란?

6. 최대우도추정법이란?

7. Variance를 구할 때, N대신에 N-1로 나눠주는 이유는 무엇인가?

8. Unbiased Estimation란?

9. covariance/correlation 이란?

10. P-value란?

11. t-test, 카이제곱 test?

12. t분포

13. F분포

14. 베르누이분포

15. 이항분포

16. 기하분포

17. 음이항분포

18. 포아송분포

19. 지수분포

20. 균등분포

21. 감마분포

 

 

---

머신러닝

 

1. overfitting / underfitting이란?

2. train / validation / test 나누는 이유는?

3. 차원의 저주란?

4. cross validation이란? 하는 이유는?

5. supervised / unsupervised / semi-supervised

6. precision / recall / sensetivity / 

7. ROC curve, AUROC

8. Regularization(Lasso, Ridge)

9. Gradient Descent

10. Boosting (Adaboost, Catboost, Xgboost, lightgbm, logitboost)

11. Bagging

12. Support Vector machine

---

딥러닝

1.  Activation function 종류와 특징

2. 인공신경망 만들어진 이유, 한계

3. KNN

4. CNN

5. RNN(기울기 소실, 기울기 폭발)

6. LSTM(삭제 게이트, 입력 게이트, 셀)

7. optimizer의 종류와 차이

8. 역전파 알고리즘이란?

 

---

자연어처리

1. 형태소분석

2. 전처리

3. 임베딩

4. 단어의 분산 표현(TFIDF, Word2Vec, Fasttext, Matrix Factorization,...)

5. attention

6. transformer(encoder, decoder)

7. BERT (MLM, NSP, fine tuning ElBert,KoBert...) 

---

추천시스템

1. 전통적인 추천시스템 - ①CF(Collaborative Filtering, 협업 필터링)

2. 전통적인 추천시스템 - ②CBF(Contents Based-Filtering, 콘텐츠 기반 필터링)

3. 전통적인 추천시스템 - ③Hybrid

4. Non Personal - ①TopK

5. P3alpha - Random Walk

6. RP3beta

7. CSR, CSC, COO, ....

8. 비슷한 유저/아이템을 묶는 방법-KNN..