๋ณธ๋ฌธ ๋ฐ”๋กœ๊ฐ€๊ธฐ
IT์ž๊ฒฉ์ฆ ๊ณต๋ถ€/ADsP ๊ธฐ์ถœ๋ฌธ์ œ

[ADsP] ์ œ38ํšŒ ๊ธฐ์ถœ๋ฌธ์ œ ( 50๋ฌธ์ œ / ์ •๋‹ต )

by yunamom 2023. 11. 7.
๋ฐ˜์‘ํ˜•
 

๐Ÿ“–ADsP. ์ œ 38 ํšŒ ๊ธฐ์ถœ ๋ฌธ์ œ

๋ฌธ์ œ 1. ๋ฐ์ดํ„ฐ๋ฒ ์ด์Šค์˜ ๊ตฌ์„ฑ์š”์†Œ์— ๋Œ€ํ•œ ์„ค๋ช…์ด๋‹ค. ๊ฐ๊ฐ ๋ฌด์—‡์— ๋Œ€ํ•œ ์„ค๋ช…์ธ๊ฐ€?  ์ •๋‹ตํ™•์ธ

๊ฐ€. ๋ฐ์ดํ„ฐ๋ฅผ ์„ค๋ช…ํ•ด์ฃผ๋Š” ๋ฐ์ดํ„ฐ๋กœ ๋ฐ์ดํ„ฐ์˜ ํŠน์„ฑ, ๊ตฌ์กฐ, ์ •์˜ ๋ฐ ๊ด€๋ฆฌ ์ •๋ณด๋ฅผ ์„ค๋ช…ํ•˜๋Š” ๋ฐ์ดํ„ฐ

๋‚˜. ๋ฐ์ดํ„ฐ๋ฅผ ๋น ๋ฅด๊ณ  ์‰ฝ๊ฒŒ ์ฐพ์„ ์ˆ˜ ์žˆ๊ฒŒ ํ•ด์ฃผ๋Š” ์ž๋ฃŒ๊ตฌ์กฐ

 

1) ๊ฐ€: ํ…Œ์ด๋ธ”, ๋‚˜: ์ธ๋ฑ์Šค

2) ๊ฐ€: ๋ฉ”ํƒ€๋ฐ์ดํ„ฐ, ๋‚˜: ์ธ๋ฑ์Šค

3) ๊ฐ€: ๋ฉ”ํƒ€๋ฐ์ดํ„ฐ, ๋‚˜: ์†์„ฑ

4) ๊ฐ€: ํ…Œ์ด๋ธ”, ๋‚˜: ์†์„ฑ

 

๋ฌธ์ œ 2. ๋‹ค์Œ ์ค‘ ์ƒ์šฉDB๊ฐ€ ์•„๋‹Œ ๊ฒƒ์€ ๋ฌด์—‡์ธ๊ฐ€?  ์ •๋‹ตํ™•์ธ

 

 

1) DB2

2) Tableau

3) SQL Server

4) Oracle

 

๋ฌธ์ œ 3. ๋ฐ์ดํ„ฐ ํฌ๊ธฐ๋ฅผ ์ž‘์€ ๊ฒƒ๋ถ€ํ„ฐ ํฐ ๊ฒƒ ์ˆœ์„œ๋กœ ์˜ฌ๋ฐ”๋ฅด๊ฒŒ ๋‚˜์—ดํ•œ ๊ฒƒ์€?  ์ •๋‹ตํ™•์ธ

 

1) PB < EB < ZB < YB

2) PB < YB < EB < ZB

3) YB < ZB < EB < PB

4) PB < ZB < EB < YB


๋ฌธ์ œ 4. ๋‹ค์Œ ๋ฐ์ดํ„ฐ๋ฒ ์ด์Šค์˜ ํŠน์ง•์— ๋Œ€ํ•œ ์„ค๋ช… ์ค‘ ์˜ณ์ง€ ์•Š์€ ๊ฒƒ์€ ๋ฌด์—‡์ธ๊ฐ€? ์ •๋‹ตํ™•์ธ

 

1) ํ†ตํ•ฉ๋œ ๋ฐ์ดํ„ฐ๋กœ ๋™์ผํ•œ ๋‚ด์šฉ์˜ ๋ฐ์ดํ„ฐ๊ฐ€ ์ค‘๋ณต๋˜์–ด ์ €์žฅ๋œ๋‹ค.

2) ์ €์žฅ๋œ ๋ฐ์ดํ„ฐ๋กœ ์ปดํ“จํ„ฐ๊ฐ€ ์ ‘๊ทผํ•  ์ˆ˜ ์žˆ๋Š” ์ €์žฅ๋งค์ฒด์— ์ €์žฅ๋œ๋‹ค.

3) ๊ณต์šฉ ๋ฐ์ดํ„ฐ๋กœ ์—ฌ๋Ÿฌ ์‚ฌ์šฉ์ž์—๊ฒŒ ์„œ๋กœ ๋‹ค๋ฅธ ๋ชฉ์ ์œผ๋กœ ๋ฐ์ดํ„ฐ๊ฐ€ ๊ณต๋™ ์ด์šฉ๋œ๋‹ค.

4) ๋ณ€ํ™”๋˜๋Š” ๋ฐ์ดํ„ฐ๋กœ ํ•ญ์ƒ ๋ณ€ํ™”ํ•˜๋ฉด์„œ๋„ ํ•ญ์ƒ ํ˜„์žฌ์˜ ์ •ํ™•ํ•œ ๋ฐ์ดํ„ฐ๋ฅผ ์œ ์ง€ํ•ด์•ผ ํ•œ๋‹ค.

 

๋ฌธ์ œ 5. ๋‹ค์Œ ์ค‘ ๋น…๋ฐ์ดํ„ฐ ํ™œ์šฉ์„ ์œ„ํ•œ 3์š”์†Œ์— ๋Œ€ํ•œ ๋‚ด์šฉ์œผ๋กœ ํ‹€๋ฆฐ ๊ฒƒ์€?  ์ •๋‹ตํ™•์ธ

 

1) ๋ฐ์ดํ„ฐ : ๋ชจ๋“ ๊ฒƒ์˜ ๋ฐ์ดํ„ฐํ™”

2) ๊ธฐ์ˆ  : ์ง„ํ™”ํ•˜๋Š” ์•Œ๊ณ ๋ฆฌ์ฆ˜, ์ธ๊ณต์ง€๋Šฅ

3) ์ธ๋ ฅ : ๋ฐ์ดํ„ฐ ์‚ฌ์ด์–ธํ‹ฐ์ŠคํŠธ, ์•Œ๊ณ ๋ฆฌ์ฆˆ๋ฏธ์ŠคํŠธ

4) ํ”„๋กœ์„ธ์Šค : ์ด์ „๊ณผ๋Š” ๋‹ค๋ฅธ ๋ฐ์ดํ„ฐ ๊ด€๋ฆฌ๋ฅผ ์œ„ํ•œ ์ž‘์—… ์ ˆ์ฐจ

 

๋ฌธ์ œ 6. ๋‹ค์Œ ์ค‘ ๋น…๋ฐ์ดํ„ฐ๋กœ ์ธํ•œ ๋ณธ์งˆ์ ์ธ ๋ณ€ํ™”๋กœ ์˜ณ์ง€ ์•Š์€ ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

๊ฐ€. ์ด๋ฏธ ๊ฐ€์น˜๊ฐ€ ์žˆ์„ ๊ฒƒ์ด๋ผ๊ณ  ์ •ํ•ด์ง„ ํŠน์ •ํ•œ ์ •๋ณด๋งŒ ๋ชจ์•„์„œ ์ฒ˜๋ฆฌํ•˜๋˜ ๊ฒƒ์—์„œ ๊ฐ€๋Šฅํ•œ ๋งŽ์€ ๋ฐ์ดํ„ฐ๋ฅผ ๋ชจ์œผ๊ณ  ๋‹ค์–‘ํ•œ ๋ฐฉ์‹์œผ๋กœ ์กฐํ•ฉํ•ด ์ˆจ์€ ์ •๋ณด๋ฅผ ์ฐพ์•„๋‚ธ๋‹ค.
   
๋‚˜. ์ผ๋ถ€ ๋ฐ์ดํ„ฐ์˜ ์ƒ˜ํ”Œ๋ง์„ ํ†ตํ•œ ํ‘œ๋ณธ์กฐ์‚ฌ๋ฅผ ์ˆ˜ํ–‰ํ•˜๋Š” ํ™˜๊ฒฝ์œผ๋กœ ๋ณ€ํ™”๋˜์—ˆ๋‹ค.

๋‹ค. ์งˆ๋ณด๋‹ค ์–‘์˜ ๊ด€์ ์„ ๊ฐ–๋Š”๋‹ค.

๋ผ. ์ธ๊ณผ๊ด€๊ณ„์— ์˜ํ•œ ๋ฏธ๋ž˜ ์˜ˆ์ธก์ด ๋ฐ์ดํ„ฐ ๊ธฐ๋ฐ˜์˜ ์ƒ๊ด€๊ด€๊ณ„ ๋ถ„์„์„ ์ ์  ๋” ์••๋„ํ•˜๋Š” ์ถ”์„ธ์ด๋‹ค.
1) ๊ฐ€, ๋‚˜

2) ๋‚˜, ๋ผ

3) ๊ฐ€, ๋‹ค

4) ๋‹ค, ๋ผ

 

๋ฌธ์ œ 7. ๋น…๋ฐ์ดํ„ฐ์˜ ์œ„๊ธฐ์š”์ธ์ด ์•„๋‹Œ ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

1) ์ต๋ช…ํ™”

2) ์‚ฌ์ƒํ™œ ์นจํ•ด

3) ๋ฐ์ดํ„ฐ ์˜ค์šฉ

4) ์ฑ…์ž„์›์น™์˜ ํ›ผ์†

 

๋ฌธ์ œ 8. ๋ฐ์ดํ„ฐ ์‚ฌ์ด์–ธํ‹ฐ์ŠคํŠธ๊ฐ€ ๊ฐ€์ ธ์•ผ ํ•  ์—ญ๋Ÿ‰ ์ค‘ ์ข…๋ฅ˜๊ฐ€ ๋‹ค๋ฅธ ํ•˜๋‚˜๋Š”? ์ •๋‹ตํ™•์ธ

 

 

1) ๋‹ค๋ถ„์•ผ๊ฐ„ ํ˜‘๋ ฅ

2) ํ†ต์ฐฐ๋ ฅ ์žˆ๋Š” ๋ถ„์„

3) ์„ค๋“๋ ฅ ์žˆ๋Š” ์ „๋‹ฌ

4) ๋น…๋ฐ์ดํ„ฐ์— ๋Œ€ํ•œ ์ด๋ก ์  ์ง€์‹

 

๋ฌธ์ œ 9. ๊ธฐ์—…์ด ์™ธ๋ถ€ ๊ณต๊ธ‰์—…์ฒด ๋˜๋Š” ์ œํœด์—…์ฒด์™€ ํ†ตํ•ฉ๋œ ์ •๋ณด์‹œ์Šคํ…œ์œผ๋กœ ์—ฐ๊ณ„ํ•˜์—ฌ ์‹œ๊ฐ„๊ณผ ๋น„์šฉ์„ ์ตœ์ ํ™” ์‹œํ‚ค๊ธฐ ์œ„ํ•œ ์†”๋ฃจ์…˜์€ ๋ฌด์—‡์ธ๊ฐ€?

โœ๏ธ

์ •๋‹ตํ™•์ธ

 

 

 

๋ฌธ์ œ 10. ๋ฐ์ดํ„ฐ, ์ •๋ณด, ์ง€์‹์„ ํ†ตํ•ด ์ตœ์ข…์ ์œผ๋กœ ์ง€ํ˜œ๋ฅผ ์–ป์–ด๋‚ด๋Š” ๊ณผ์ •์„ ๊ณ„์ธต๊ตฌ์กฐ๋กœ ์„ค๋ช…ํ•˜๋Š” ๊ฒƒ์€ ๋ฌด์—‡์ธ๊ฐ€?

โœ๏ธ

์ •๋‹ตํ™•์ธ

 

 

๋ฌธ์ œ 11. ๋ฐ์ดํ„ฐ ๋ถ„์„ ์ˆ˜์ค€ ์ง„๋‹จ ๊ฒฐ๊ณผ์—์„œ ๋ถ„์„ ์ค€๋น„๋„์™€ ๋ถ„์„ ์„ฑ์ˆ™๋„ ๋‘˜ ๋‹ค ๋‚ฎ์€ ๊ฒฝ์šฐ์— ํ•ด๋‹นํ•˜๋Š” ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

1) ์ •์ฐฉํ˜•

2) ํ™•์‚ดํ˜•

3) ์ค€๋น„ํ˜•

4) ๋„์ž…ํ˜•

 

๋ฌธ์ œ 12. ๋‹ค์Œ ์ค‘ ๋น„์ฆˆ๋‹ˆ์Šค ๋ชจ๋ธ ์บ”๋ฒ„์Šค๋ฅผ ํ™œ์šฉํ•œ ๊ณผ์ œ ๋ฐœ๊ตด์˜ ์˜์—ญ์œผ๋กœ ํ‹€๋ฆฐ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

1) ํ˜์‹ 

2) ์—…๋ฌด

3) ๊ณ ๊ฐ

4) ์ œํ’ˆ

 

๋ฌธ์ œ 13. ๋‹ค์Œ ๋ถ„์„๊ณผ์ œ์˜ ์šฐ์„ ์ˆœ์œ„ ์„ ์ • ๊ด€๋ จ ์„ค๋ช… ์ค‘ ํ‹€๋ฆฐ ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

 

1) ์šฐ์„ ์ˆœ์œ„๋ฅผ ์‹œ๊ธ‰์„ฑ์— ๋‘”๋‹ค๋ฉด โ…ข - โ…ฃ - โ…ก ์ˆœ์„œ๋กœ ์ง„ํ–‰ํ•œ๋‹ค.

2) ์šฐ์„ ์ˆœ์œ„๋ฅผ ๋‚œ์ด๋„์— ๋‘”๋‹ค๋ฉด โ…ข - โ…  - โ…ก ์ˆœ์„œ๋กœ ์ง„ํ–‰ํ•œ๋‹ค.

3) ์‹œ๊ธ‰์„ฑ๊ณผ ๋‚œ์ด๋„ ๋‘˜ ๋‹ค ๋†’์€ ๊ฒƒ์ด ์šฐ์„ ์ˆœ์œ„๊ฐ€ ๊ฐ€์žฅ ๋†’๋‹ค.

4) ์‹œ๊ธ‰์„ฑ์˜ ํŒ๋‹จ๊ธฐ์ค€์€ ์ „๋žต์  ์ค‘์š”๋„๊ฐ€ ํ•ต์‹ฌ์ด๋‹ค.

 

๋ฌธ์ œ 14. ๋‹ค์Œ ๋ถ„์„ ์„ฑ์ˆ™๋„ ๊ด€๋ จ ๋‚ด์šฉ์œผ๋กœ ์˜ณ์ง€ ์•Š์€ ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

 

1) ์œ ์‚ฌ ์—…์ข…, ๊ฒฝ์Ÿ์—…์ฒด์™€์˜ ๋น„๊ต ๋ถ„์„์„ ํฌํ•จํ•œ๋‹ค.

2) ์„ฑ์ˆ™๋„ ์ˆ˜์ค€์— ๋”ฐ๋ผ ๋„์ž…, ํ™œ์šฉ, ํ™•์‚ฐ, ์ตœ์ ํ™” ๋‹จ๊ณ„๋กœ ๊ตฌ๋ถ„ํ•ด ์‚ดํŽด ๋ณผ ์ˆ˜ ์žˆ๋‹ค.

3) ์‹œ์Šคํ…œ ๊ฐœ๋ฐœ ์—…๋ฌด๋Šฅ๋ ฅ๊ณผ ์กฐ์ง์˜ ์„ฑ์ˆ™๋„ ํŒŒ์•…์„ ์œ„ํ•ด CMMI ๋ชจ๋ธ์„ ํ™œ์šฉํ•˜์—ฌ ๋ถ„์„ ์„ฑ์ˆ™๋„๋ฅผ ํ‰๊ฐ€ํ•œ๋‹ค.

4) ๋ฐ์ดํ„ฐ ๋ถ„์„ ์ˆ˜์ค€ ์ง„๋‹จ์€ ๋ถ„์„ ์ค€๋น„๋„์™€ ๋ถ„์„ ์„ฑ์ˆ™๋„๋ฅผ ํ•จ๊ป˜ ํ‰๊ฐ€ํ•จ์œผ๋กœ์จ ์ˆ˜ํ–‰๋  ์ˆ˜ ์žˆ๋‹ค.

 

๋ฌธ์ œ 15. ๋ถ„์„ ๋งˆ์Šคํ„ฐํ”Œ๋žœ ์ˆ˜๋ฆฝ ์‹œ ์ ์šฉ ๋ฒ”์œ„/๋ฐฉ์‹์˜ ๊ณ ๋ ค์š”์†Œ๊ฐ€ ์•„๋‹Œ ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

1) ์—…๋ฌด ๋‚ด์žฌํ™” ์ ์šฉ ์ˆ˜์ค€

2) ๋ถ„์„ ๋ฐ์ดํ„ฐ ์ ์šฉ ์ˆ˜์ค€

3) ๊ธฐ์ˆ  ์ ์šฉ ์ˆ˜์ค€

4) ์‹คํ–‰ ์šฉ์ด์„ฑ

 

๋ฌธ์ œ 16. ๋ฐ์ดํ„ฐ ๋ถ„์„์„ ์œ„ํ•œ ๋ถ„์„ ์—…๋ฌด ์กฐ์ง ๊ตฌ์กฐ์— ๋Œ€ํ•œ ์„ค๋ช…์œผ๋กœ ์˜ณ์ง€ ์•Š์€ ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

 

1) ์ง‘์ค‘ํ˜• ์กฐ์ง ๊ตฌ์กฐ๋Š” ์ผ๋ถ€ ํ˜‘์—… ๋ถ€์„œ์™€ ๋ถ„์„ ์—…๋ฌด๊ฐ€ ์ค‘๋ณต ๋˜๋Š” ์ด์›ํ™”๋  ๊ฐ€๋Šฅ์„ฑ์ด ์žˆ๋‹ค.

2) ๊ธฐ๋Šฅ ์ค‘์‹ฌ ์กฐ์ง ๊ตฌ์กฐ๋Š” ์ „์‚ฌ์  ๊ด€์ ์—์„œ ํ•ต์‹ฌ ๋ถ„์„์ด ์–ด๋ ต๋‹ค.

3) ๋ถ„์‚ฐ ์กฐ์ง ๊ตฌ์กฐ๋Š” ๋ถ„์„ ๊ฒฐ๊ณผ ์‹ค๋ฌด ์ ์šฉ์— ๋Œ€ํ•œ ๋Œ€์‘์ด ๋Š๋ฆฌ๋‹ค.

4) ๋ถ„์„ ์กฐ์ง์˜ ์ธ๋ ฅ๋“ค์ด ํ˜‘์—…๋ถ€์„œ์— ๋ฐฐ์น˜๋˜์–ด ์—…๋ฌด๋ฅผ ์ˆ˜ํ–‰ํ•˜๋Š” ๊ฒƒ์€ ๋ถ„์‚ฐ ์กฐ์ง ๊ตฌ์กฐ์ด๋‹ค.

 

๋ฌธ์ œ 17. ๋ถ„์„ ํ™œ์šฉ ์‹œ๋‚˜๋ฆฌ์˜ค์— ๋Œ€ํ•œ ์„ค๋ช…์œผ๋กœ ํ‹€๋ฆฐ ๊ฒƒ์€?  ์ •๋‹ตํ™•์ธ

 
 
 
1) ๋ฐ์ดํ„ฐ ํ™•๋ณด๊ฐ€ ๊ฐ€์žฅ ์ค‘์š”ํ•˜๋‹ค.

2) ๋ฐ์ดํ„ฐ ๋ถ„์„์„ ํŠน์ • ๋ชฉ์ ์— ๋งž๊ฒŒ ํ™œ์šฉํ•˜๋Š” ๋ฐฉ๋ฒ• ๋˜๋Š” ๊ณ„ํš์„ ์˜๋ฏธํ•œ๋‹ค.

3) ๋ถ„์„ ๋ชฉํ‘œ์™€ ๋ถ„์„ ๋ฐฉ๋ฒ•์„ ์„ค๋ช…ํ•˜๊ณ  ์˜ˆ์ƒ ๊ฒฐ๊ณผ๋ฅผ ์ œ์‹œํ•˜๋Š” ๋ฌธ์„œ์ด๋‹ค.

4) ํ”„๋กœ์ ํŠธ ์ง„ํ–‰ ์ค‘์—๋„ ๋ณ€๊ฒฝ๋  ์ˆ˜ ์žˆ๋‹ค.

 

๋ฌธ์ œ 18. ๋ถ„์„ ๊ธฐํš ์‹œ ๊ณ ๋ คํ•ด์•ผ ํ•  ๊ฒƒ์œผ๋กœ ์ ์ ˆํ•˜์ง€ ์•Š์€ ๊ฒƒ์€?  ์ •๋‹ตํ™•์ธ

 

1) ๋ฐ์ดํ„ฐ ํ™•๋ณด๊ฐ€ ๋  ์ˆ˜ ์žˆ๋Š”์ง€, ๋ฐ์ดํ„ฐ ์œ ํ˜•์— ๋Œ€ํ•œ ๋ถ„์„์ด ํ•„์š”ํ•˜๋‹ค.

2) ๋น„์šฉ๋ณด๋‹ค ๋ถ„์„๋ ฅ์— ์ตœ์šฐ์„  ํ•ด์•ผ ํ•œ๋‹ค.

3) ๊ธฐ์กด์— ์ž˜ ๊ตฌํ˜„๋˜์–ด ํ™œ์šฉ๋˜๊ณ  ์žˆ๋Š” ์œ ์‚ฌ ์‹œ๋‚˜๋ฆฌ์˜ค ๋ฐ ์†”๋ฃจ์…˜์„ ์ตœ๋Œ€ํ•œ ํ™œ์šฉํ•œ๋‹ค.

4) ์žฅ์• ์š”์†Œ์— ๋Œ€ํ•œ ์‚ฌ์ „ ๊ณ„ํš ์ˆ˜๋ฆฝ์ด ๊ณ ๋ ค ๋˜์–ด์•ผ ํ•œ๋‹ค.

 

๋ฌธ์ œ 19. ์•„๋ž˜ ์„ค๋ช…์˜ ๋‹ต์„ ์ž‘์„ฑํ•˜์‹œ์˜ค.  ์ •๋‹ตํ™•์ธ

 

[์„ค๋ช…]

๋ฐ์ดํ„ฐ ๋ถ„์„ ์ค€๋น„๋„ ํ”„๋ ˆ์ž„์›Œํฌ ์—์„œ ์šด์˜ ์‹œ์Šคํ…œ ๋ฐ์ดํ„ฐ ํ†ตํ•ฉ, EAI,
ETL ๋“ฑ ๋ฐ์ดํ„ฐ ์œ ํ†ต์ฒด๊ณ„, ๋ถ„์„ ์ „์šฉ ์„œ๋ฒ„ ๋ฐ ์Šคํ† ๋ฆฌ์ง€, ๋น…๋ฐ์ดํ„ฐ ๋ถ„์„ ํ™˜๊ฒฝ,
๋น„์ฃผ์–ผ ๋ถ„์„ ํ™˜๊ฒฝ ๋“ฑ๊ณผ ๊ด€๋ จ๋œ ํ•ญ๋ชฉ์€ ๋ฌด์—‡์ธ๊ฐ€?

โœ๏ธ

 

 

 

๋ฌธ์ œ 20. ์•„๋ž˜ ์„ค๋ช…์„ ์ฝ๊ณ  ๋นˆ์นธ (    ?    ) ์„ ์ž‘์„ฑํ•˜์‹œ์˜ค. ์ •๋‹ตํ™•์ธ

[์„ค๋ช…]

๋‹ค์Œ์˜ ๋นˆ์นธ์— ์•Œ๋งž์€ ์šฉ์–ด๋Š” ๋ฌด์—‡์ธ๊ฐ€?
๊ธฐ์กด์˜ ๋…ผ๋ฆฌ์ ์ธ ๋‹จ๊ณ„๋ณ„ ์ ‘๊ทผ๋ฒ•์— ๊ธฐ๋ฐ˜ํ•œ ๋ฌธ์ œํ•ด๊ฒฐ ๋ฐฉ์‹์€ ์ตœ๊ทผ ๋ณต์žกํ•˜๊ณ 
๋‹ค์–‘ํ•œ ํ™˜๊ฒฝ์—์„œ ๋ฐœ์ƒํ•˜๋Š” ๋ฌธ์ œ์— ์ ํ•ฉํ•˜์ง€ ์•Š์„ ์ˆ˜ ์žˆ๋‹ค. 
์ด๋ฅผ ํ•ด๊ฒฐํ•˜๊ธฐ ์œ„ํ•ด (  ?  )์ ‘๊ทผ๋ฒ•์„ ํ†ตํ•ด ์ „ํ†ต์ ์ธ ๋ถ„์„์  ์‚ฌ๊ณ ๋ฅผ ๊ทน๋ณตํ•˜๋ ค๊ณ  ํ•œ๋‹ค.
์ด ์ ‘๊ทผ๋ฒ•์€ ์ƒํ–ฅ์‹ ๋ฐฉ์‹์˜ ๋ฐœ์‚ฐ๋‹จ๊ณ„์™€ ๋„์ถœ๋œ ์˜ต์…˜์„ ๋ถ„์„ํ•˜๊ณ  ๊ฒ€์ฆํ•˜๋Š”
ํ•˜ํ–ฅ์‹ ์ ‘๊ทผ ๋ฐฉ์‹์˜ ์ˆ˜๋ ด๋‹จ๊ณ„๋ฅผ ๋ฐ˜๋ณตํ•˜์—ฌ ๊ณผ์ œ๋ฅผ ๋ฐœ๊ตดํ•œ๋‹ค.

โœ๏ธ

 

 

๋ฌธ์ œ 21. ์ˆ˜๋ฉด์œ ๋„์ œ ๋ฐ์ดํ„ฐ๋ฅผ ํ†ตํ•œ t-test ๊ฒฐ๊ณผ์ด๋‹ค. ๋‹ค์Œ ์ค‘ ๊ฒฐ๊ณผ ํ•ด์„์ด ์ ์ ˆํ•˜์ง€ ์•Š์€ ๊ฒƒ์€?  ์ •๋‹ตํ™•์ธ

> t.test(extra~group, data=sleep, var.equal=TRUE)

        Two Sample t-test
        
data: extra by group
t = -1.8608, df = 18, p-value = 0.07919
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -3.363874  0.203874
sample estimates:
mean in group 1 mean in group 2
           0.75            2.33
1) ์ˆ˜๋ฉด์œ ๋„์ œ 2๊ฐ€ ์ˆ˜๋ฉด์œ ๋„์ œ 1๋ณด๋‹ค ํšจ๊ณผ์ ์ด๋‹ค.

2) ์œ ์˜์ˆ˜์ค€ 0.05์ดํ•˜์—์„œ ๋‘ ์ง‘๋‹จ์˜ ํ‰๊ท ์ด ๋™์ผํ•˜๋‹ค๋Š” ๊ท€๋ฌด๊ฐ€์„ค์„ ์ฑ„ํƒํ•  ์ˆ˜ ์žˆ๋‹ค.

3) ๋‘ ๊ฐœ์˜ ํ‘œ๋ณธ์ง‘๋‹จ์ด ํฌ๊ธฐ๊ฐ€ ํด ๊ฒฝ์šฐ(N>30) ์ง‘๋‹จ์˜ ์ •๊ทœ์„ฑ ๊ฒ€์ •์—†์ด ์ด ํ‘œ๋ณธ t๊ฒ€์ •์„ ์‚ฌ์šฉํ•  ์ˆ˜ ์žˆ๋‹ค.

4) ๋…๋ฆฝํ‘œ๋ณธ t ๊ฒ€์ • ๋ถ„์„ ์ „์— ๋“ฑ๋ถ„์‚ฐ ๊ฒ€์ •์„ ์‹ค์‹œํ•œ๋‹ค.

 

๋ฌธ์ œ 22. ๋‹ค์Œ ์ค‘ ๋ถ„๋ฅ˜ ๋ชจํ˜• ํ‰๊ฐ€์— ์‚ฌ์šฉ๋˜๋Š” ๋„๊ตฌ๊ฐ€ ์•„๋‹Œ ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

1) ROC ๊ทธ๋ž˜ํ”„

2) ๋ด๋“œ๋กœ๊ทธ๋žจ

3) ํ–ฅ์ƒ๋„ ๊ณก์„ 

4) ์ด์ต๋„ํ‘œ

 

๋ฌธ์ œ 23. ์ฆ๊ฑฐ๊ฐ€ ํ™•์‹คํ•  ๋•Œ ๊ฐ€์„ค๊ฒ€์ •์œผ๋กœ ์ฆ๋ช…ํ•˜๊ณ ์ž ํ•˜๋Š” ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

1) ๊ท€๋ฌด๊ฐ€์„ค

2) ์˜๊ฐ€์„ค

3) ๋Œ€๋ฆฝ๊ฐ€์„ค

4) ๊ธฐ๊ฐ๊ฐ€์„ค

 

๋ฌธ์ œ 24. ๋‹ค์Œ ์ค‘ ์„ฑ๊ฒฉ์ด ๋‹ค๋ฅธ ํ•œ๊ฐ€์ง€๋Š” ๋ฌด์—‡์ธ๊ฐ€?  ์ •๋‹ตํ™•์ธ

 

1) K-means

2) Single Linkage Method
n
3) DBSCAN

4) ์ฃผ์„ฑ๋ถ„ ๋ถ„์„

 

๋ฌธ์ œ 25. ๋‹ค์Œ ์ค‘ ์Šคํ”ผ์–ด๋งŒ ์ƒ๊ด€๊ณ„์ˆ˜ ๊ด€๋ จ ์„ค๋ช…์œผ๋กœ ํ‹€๋ฆฐ ๊ฒƒ์€?  ์ •๋‹ตํ™•์ธ

 

 

1) ์Šคํ”ผ์–ด๋งŒ ์ƒ๊ด€๊ณ„์ˆ˜๋Š” ๋น„์„ ํ˜•์ ์ธ ๊ด€๊ณ„๋ฅผ ๋‚˜ํƒ€๋‚ผ ์ˆ˜ ์—†๋‹ค.

2) ๋Œ€์ƒ์ž๋ฃŒ๋Š” ์„œ์—ด์ฒ™๋„๋ฅผ ์‚ฌ์šฉํ•œ๋‹ค.

3) ์›์‹œ ๋ฐ์ดํ„ฐ๊ฐ€ ์•„๋‹ˆ๋ผ ๊ฐ ๋ณ€์ˆ˜์— ๋Œ€ํ•ด ์ˆœ์œ„๋Š” ๋งค๊ธด ๊ฐ’์„ ๊ธฐ๋ฐ˜์œผ๋กœ ํ•œ๋‹ค.

4) ์—ฐ์†ํ˜• ์™ธ์— ์ด์‚ฐํ˜• ๋ฐ์ดํ„ฐ๋„ ์‚ฌ์šฉ ๊ฐ€๋Šฅํ•œ๋‹ค.

 

๋ฌธ์ œ 26. ๋น„์ง€๋„ ์‹ ๊ฒฝ๋ง์œผ๋กœ ๊ณ ์ฐจ์›์˜ ๋ฐ์ดํ„ฐ๋ฅผ ์ดํ•ดํ•˜๊ธฐ ์‰ฌ์šด ์ €์ฐจ์›์˜ ๋‰ด๋Ÿฐ์œผ๋กœ ์ •๋ ฌํ•˜์—ฌ ์ง€๋„์˜ ํ˜•ํƒœ๋กœ ํ˜•์ƒํ™” ํ•˜๋Š” ์•Œ๊ณ ๋ฆฌ์ฆ˜์„ ๋ฌด์—‡์ด๋ผ๊ณ  ํ•˜๋Š”๊ฐ€?   ์ •๋‹ตํ™•์ธ

 

1) SOM

2) DBSCAN

3) PCA

4) EM-์•Œ๊ณ ๋ฆฌ์ฆ˜

 

๋ฌธ์ œ 27. ์•„๋ž˜์˜ ์„ค๋ช…์— ํ•ด๋‹นํ•˜๋Š”๊ฒƒ์„ ๊ณ ๋ฅด์‹œ์˜ค. ์ •๋‹ตํ™•์ธ

[์„ค๋ช…]

๊ณต๋ถ„์‚ฐํ–‰๋ ฌ ๋˜๋Š” ์ƒ๊ด€๊ณ„์ˆ˜ ํ–‰๋ ฌ์„ ์‚ฌ์šฉํ•ด ๋ชจ๋“  ๋ณ€์ˆ˜๋“ค์„ ๊ฐ€์žฅ ์ž˜ ์„ค๋ช…ํ•˜๋Š” ๋ณ€์ˆ˜๋ฅผ ์ฐพ๋Š” ๋ฐฉ๋ฒ•์œผ๋กœ, 
์ƒ๊ด€๊ด€๊ณ„๊ฐ€ ์žˆ๋Š” ๋ณ€์ˆ˜๋“ค์„ ์„ ํ˜• ๊ฒฐํ•ฉ์— ์˜ํ•ด ์ƒ๊ด€๊ด€๊ณ„๊ฐ€ ์—†๋Š” ์ƒˆ๋กœ์šด ๋ณ€์ˆ˜๋ฅผ ๋งŒ๋“ค๊ณ  
๋ถ„์‚ฐ์„ ๊ทน๋Œ€ํ™”ํ•˜๋Š” ๋ณ€์ˆ˜๋กœ ์ถ•์•ฝํ•˜๋Š” ๋ฐฉ๋ฒ•์œผ๋กœ ์ƒˆ๋กœ์šด ๋ณ€์ˆ˜๋“ค์€ ๋ณ€์ˆ˜๋“ค์˜ ์„ ํ˜•๊ฒฐํ•ฉ์œผ๋กœ ์ด๋ฃจ์–ด์ ธ ์žˆ๋‹ค.
1) ์š”์ธ ๋ถ„์„
2) ํšŒ๊ท€ ๋ถ„์„
3) ์ฃผ์„ฑ๋ถ„ ๋ถ„์„
4) ๋‹ค์ฐจ์› ์ฒ™๋„

 

๋ฌธ์ œ 28. ๋‹ค์Œ ์ค‘ ํ™•๋ฅ  ๋ฐ ํ™•๋ฅ ๋ถ„ํฌ์— ๊ด€ํ•œ ์„ค๋ช…์œผ๋กœ ํ‹€๋ฆฐ ๊ฒƒ์€?  ์ •๋‹ตํ™•์ธ

 

1) (์‚ฌ๊ฑด A๊ฐ€ ์ผ์–ด๋‚˜๋Š” ๊ฒฝ์šฐ์˜ ์ˆ˜) / (์ผ์–ด๋‚  ์ˆ˜ ์žˆ๋Š” ๋ชจ๋“  ๊ฒฝ์šฐ์˜ ์ˆ˜)๋ฅผ P(A)๋ผ ํ•  ๋•Œ ์ด๋ฅผ A์˜ ์ˆ˜ํ•™์  ํ™•๋ฅ ์ด๋ผ ํ•œ๋‹ค.

2) ํ•œ ์‚ฌ๊ฑด A๊ฐ€ ์ผ์–ด๋‚  ํ™•๋ฅ ์„ P(A)๋ผ ํ•  ๋•Œ N๋ฒˆ์˜ ๋ฐ˜๋ณต์‹œํ–‰์—์„œ ์‚ฌ๊ฑด A๊ฐ€ ์ผ์–ด๋‚œ ํšŸ์ˆ˜๋ฅผ R์ด๋ผ ํ•˜๋ฉด, ์ƒ๋Œ€๋„์ˆ˜ R/N์€ N์ด ์ปค์ง์— ๋”ฐ๋ผ ํ™•๋ฅ  P(A)์— ๊ฐ€๊นŒ์›Œ์ง์„ ์•Œ ์ˆ˜ ์žˆ๋‹ค. P(A)๋ฅผ ์‚ฌ๊ฑด A์˜ ํ†ต๊ณ„์  ํ™•๋ฅ ์ด๋ผ ํ•œ๋‹ค.

3) ๋‘ ์‚ฌ๊ฑด A,B๊ฐ€ ๋…๋ฆฝ์ผ ๋•Œ ์‚ฌ๊ฑด B์˜ ํ™•๋ฅ ์€ A๊ฐ€ ์ผ์–ด๋‚ฌ๋‹ค๋Š” ๊ฐ€์ • ํ•˜์—์„œ์˜ B์˜ ์กฐ๊ฑด๋ถ€ ํ™•๋ฅ ๊ณผ๋Š” ๋‹ค๋ฅด๋‹ค.

4) ํ‘œ๋ณธ๊ณต๊ฐ„์—์„œ ์ž„์˜์˜ ์‚ฌ๊ฑด A๊ฐ€ ์ผ์–ด๋‚  ํ™•๋ฅ  P(A)๋Š” ํ•ญ์ƒ 0๊ณผ 1์‚ฌ์ด์— ์žˆ๋‹ค.

 

๋ฌธ์ œ 29. ๋‹ค์Œ์€ TV๊ด‘๊ณ ์ˆ˜์— ๋”ฐ๋ฅธ Sales์— ๋Œ€ํ•œ ์‚ฐ์ ๋„ ์ด๋‹ค. ์ด์— ๋Œ€ํ•œ ์„ค๋ช…์œผ๋กœ ์•Œ๋งž์ง€ ์•Š์€ ๊ฒƒ์€?  ์ •๋‹ตํ™•์ธ

1) TV ๊ด‘๊ณ ๊ฐ€ ์ฆ๊ฐ€ํ•  ์ˆ˜๋ก Sales๋„ ์ฆ๊ฐ€ํ•˜๋Š” ๊ฒฝํ–ฅ์ด ์žˆ๋‹ค.

2) TV ๊ด‘๊ณ ์™€ Sales๋Š” ์–‘์˜ ์ƒ๊ด€๊ด€๊ณ„๋ฅผ ๊ฐ€์ง„๋‹ค.

3) TV ๊ด‘๊ณ ์™€ ์ฆ๊ฐ€ํ• ์ˆ˜๋ก Sales์˜ ๋ถ„์‚ฐ์€ ๋™์ผํ•˜๋‹ค.

4) Sales๋ฅผ ์„ค๋ช…ํ•˜๊ธฐ ์œ„ํ•ด TV๊ด‘๊ณ ๋ฅผ ๋…๋ฆฝ๋ณ€์ˆ˜๋กœ ํ•˜๋Š” ๋‹จ์ˆœ์„ ํ˜•ํšŒ๊ท€๋ชจ๋ธ์€ ์ ์ ˆํ•˜๋‹ค.

 

๋ฌธ์ œ 30. Hitters dataset์˜ ์ผ๋ถ€์ด๋‹ค. ๋‹ค์Œ ์„ค๋ช… ์ค‘ ์ ์ ˆํ•˜์ง€ ์•Š์€ ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

> summary(Hitters)
    AtBat          Hits        HmRun         NewLeague     Salary
Min.   : 16.0   Min.   :  1   Min.   : 0.00   A:176       Min.   :  67.5
1st Qu.:255.2   1st Qu.: 64   1st Qu.: 4.00   N:146       1st Qu.: 190.0
Median :379.5   Median : 96   Median : 8.00               Median : 425.0
Mean   :380.9   Mean   :101   Mean   :10.77               Mean   : 535.9
3rd Qu.:512.0   3rd Qu.:137   3rd Qu.:16.00               3rd Qu.: 750.0
Max.   :687.0   Max.   :238   Max.   :40.00               Max.   :2460.0
                                                          NA's   :59
1) Salary ๋ณ€์ˆ˜ ๋ถ„ํฌ๋Š” ์™ผ์ชฝ๊ผฌ๋ฆฌ๊ฐ€ ๊ธด ๋ถ„ํฌ๋ฅผ ๊ฐ€์ง„๋‹ค.

2) NewLeague ๋ณ€์ˆ˜๋Š” ๋ฒ”์ฃผํ˜• ์ž๋ฃŒ์ด๋‹ค.

3) Hits ๋ณ€์ˆ˜์—๋Š” ๊ฒฐ์ธก๊ฐ’์ด ์—†์Œ์„ ์•Œ ์ˆ˜ ์žˆ๋‹ค.

4) HmRun ๋ณ€์ˆ˜์˜ ์ตœ๋Œ€๊ฐ’์€ 40์ด๋‹ค.

 

๋ฌธ์ œ 31. ๋ชจ์ง‘๋‹จ์˜ ํฌ๊ธฐ๊ฐ€ ๋น„๊ต์  ์ž‘์„ ๋•Œ ์ฃผ๋กœ ์‚ฌ์šฉ๋˜๋ฉฐ ํ•œ๋ฒˆ ์ถ”์ถœ๋œ ํ‘œ๋ณธ์˜ ์žฌ์ถ”์ถœ๋  ์ˆ˜ ์žˆ๋Š” ํ‘œ๋ณธ ์ถ”์ถœ ๋ฐฉ๋ฒ•์€ ๋ฌด์—‡์ธ๊ฐ€? ์ •๋‹ตํ™•์ธ

 

1) ๋ณต์›์ถ”์ถœ๋ฒ•

2) ์ธตํ™”์ถ”์ถœ๋ฒ•

3) ๊ตฐ์ง‘์ถ”์ถœ๋ฒ•

4) ๊ณ„์ธต์ถ”์ถœ๋ฒ•

 

๋ฌธ์ œ 32. ๋‹ค์Œ ๋‹ญ ์‚ฌ๋ฃŒ์˜ ์ข…๋ฅ˜(feed)์™€ ๋‹ญ์˜ ์„ฑ์žฅ์— ๋Œ€ํ•œ boxplot๊ฒฐ๊ณผ ์ด๋‹ค. ์˜ณ์ง€ ์•Š์€ ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

1) ์ด์ƒ์น˜๊ฐ€ ์กด์žฌํ•˜์ง€ ์•Š๋Š” ๊ฒƒ์„ ์•Œ ์ˆ˜ ์žˆ๋‹ค.

2) casein์˜ ๊ฒฝ์šฐ horsebean ๋ณด๋‹ค ์ค‘์œ„์ˆ˜๊ฐ€ ํฌ๋‹ค.

3) soybean์˜ ๊ฒฝ์šฐ meatmeal ๋ณด๋‹ค ์ตœ์†Œ๊ฐ’์€ ํฌ๊ณ , ์ตœ๋Œ€๊ฐ’์ด ์ž‘๋‹ค.

4) horsebean ์‚ฌ๋ฃŒ๋ฅผ ๋จน์€ ๋‹ญ์˜ ๋ฌด๊ฒŒ๊ฐ€ ๊ฐ€์žฅ ์ž‘์€ ์ชฝ์— ๋ถ„ํฌํ•ด ์žˆ๋‹ค.

 

๋ฌธ์ œ 33. ์ž๋ฃŒ์˜ ์ฒ™๋„์— ๋Œ€ํ•œ ์„ค๋ช…์œผ๋กœ ๋ถ€์ ์ ˆํ•œ ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

1) ๋ช…๋ชฉ์ฒ™๋„ : ๋‹จ์ˆœํžˆ ์ธก์ • ๋Œ€์ƒ์˜ ํŠน์„ฑ์„ ๋ถ„๋ฅ˜ํ•˜๊ฑฐ๋‚˜ ํ™•์ธํ•˜๊ธฐ ์œ„ํ•œ ๋ชฉ์ ์œผ๋กœ ์‚ฌ์šฉ๋œ๋‹ค.

2) ์„œ์—ด์ฒ™๋„ : ๋Œ€์†Œ ๋˜๋Š” ๋†’๊ณ  ๋‚ฎ์Œ ๋“ฑ์˜ ์ˆœ์œ„๋งŒ ์ œ๊ณตํ•  ๋ฟ ์–‘์ ์ธ ๋น„๊ต๋Š” ํ•  ์ˆ˜ ์—†๋‹ค.

3) ๋“ฑ๊ฐ„์ฒ™๋„ : ์‚ฌ์น™์—ฐ์‚ฐ์ด ๊ฐ€๋Šฅํ•˜๋‹ค.

4) ๋น„์œจ์ฒ™๋„ : ์ ˆ๋Œ€ 0์ ์ด ์กด์žฌํ•˜์—ฌ ์ธก์ •๊ฐ’ ์‚ฌ์ด์˜ ๋น„์œจ ๊ณ„์‚ฐ์ด ๊ฐ€๋Šฅํ•œ ์ฒ™๋„์ด๋‹ค.

 

๋ฌธ์ œ 34. ๋‹ค์Œ ์—ฐ๊ด€ ๋ถ„์„์— ๋Œ€ํ•œ ์„ค๋ช… ์ค‘ ์ž˜๋ชป๋œ ๊ฒƒ์€?  ์ •๋‹ตํ™•์ธ

 

1) ๋น„๋ชฉ์ ์„ฑ ๋ถ„์„ ๊ธฐ๋ฒ•์œผ๋กœ ๊ณ„์‚ฐ์ด ๊ฐ„ํŽธํ•˜๋‹ค.

2) ๋Œ€ํ‘œ์ ์ธ ์•Œ๊ณ ๋ฆฌ์ฆ˜์œผ๋กœ Aprior๊ฐ€ ์žˆ๋‹ค.

3) ์กฐ๊ฑด ๋ฐ˜์‘์œผ๋กœ ํ‘œํ˜„๋˜๋Š” ์—ฐ๊ด€๋ถ„์„์˜ ๊ฒฐ๊ณผ๋ฅผ ์ดํ•ดํ•˜๊ธฐ ์‰ฝ๋‹ค.

4) ํ’ˆ๋ชฉ ์ˆ˜๊ฐ€ ์ฆ๊ฐ€ํ•ด๋„ ๋ถ„์„์— ํ•„์š”ํ•œ ๊ณ„์‚ฐ์ด ๋Š˜์–ด๋‚˜์ง€ ์•Š๋Š”๋‹ค.

 

๋ฌธ์ œ 35. ๋ฐ์ดํ„ฐ ๋ถ„ํ• ์— ๋Œ€ํ•œ ์„ค๋ช… ์ค‘ ํ‹€๋ฆฐ ๊ฒƒ์€? ์ •๋‹ตํ™•์ธ

 

1) ๋ฐ์ดํ„ฐ๋งˆ์ด๋‹ ์ ์šฉ ํ›„ ๊ฒฐ๊ณผ์˜ ์‹ ๋น™์„ฑ ๊ฒ€์ฆ์„ ์œ„ํ•ด ๋ฐ์ดํ„ฐ๋ฅผ ํ•™์Šต, ๊ฒ€์ฆ, ํ…Œ์ŠคํŠธ ๋ฐ์ดํ„ฐ๋กœ ๋‚˜๋ˆ„์–ด ์‚ฌ์šฉํ•œ๋‹ค.

2) ๊ฒ€์ฆ์šฉ ๋ฐ์ดํ„ฐ๋Š” ๋ชจ๋ธ ์„ฑ๋Šฅ ํ‰๊ฐ€์— ์‚ฌ์šฉํ•œ๋‹ค.

3) ํ…Œ์ŠคํŠธ์šฉ ๋ฐ์ดํ„ฐ์™€ ํ•™์Šต ๋ฐ์ดํ„ฐ๋Š” ์„ž์—ฌ์„œ๋Š” ์•ˆ๋œ๋‹ค.

4) ๊ฒ€์ฆ์šฉ ๋ฐ์ดํ„ฐ๋Š” ํ•™์Šต ๋‹จ๊ณ„์—์„œ ์‚ฌ์šฉ๋œ๋‹ค.

 

๋ฌธ์ œ 36. ๋‹ค์Œ ํ‘œ์ค€์˜ค์ฐจ์— ๋Œ€ํ•œ ์„ค๋ช… ์ค‘ ํ‹€๋ฆฐ ๊ฒƒ์€?  

์ •๋‹ตํ™•์ธ

 

1) ํ‘œ๋ณธํ‰๊ท ์ด ๋ชจํ‰๊ท ๊ณผ ์–ผ๋งˆ๋‚˜ ๋–จ์–ด์ ธ ์žˆ๋Š”๊ฐ€๋ฅผ ๋‚˜ํƒ€๋‚ธ๋‹ค.

2) ํ‘œ์ค€์˜ค์ฐจ๋Š” σ/๐’ ๋กœ ๊ตฌํ•œ๋‹ค.

3) ํ‘œ์ค€์˜ค์ฐจ 95%๋Š” ์‹ ๋ขฐ๊ตฌ๊ฐ„์— ๋ชจ์ˆ˜์˜ ์ฐธ๊ฐ’์ด ํฌํ•จ๋˜์–ด ์žˆ์Œ์„ ๋‚˜ํƒ€๋‚ธ๋‹ค.

4) ๋” ์ž‘์€ ํ‘œ์ค€ ์˜ค์ฐจ๋Š” ์ถ”์ •์น˜๊ฐ€ ๋ชจ์ง‘๋‹จ ํŒŒ๋ผ๋ฏธํ„ฐ๋ฅผ ๋” ์ •ํ™•ํ•˜๊ฒŒ ๋ฐ˜์˜ํ•œ๋‹ค๋Š” ๊ฒƒ์„ ๋‚˜ํƒ€๋‚ธ๋‹ค.

 

๋ฌธ์ œ 37. ์•„๋ž˜์˜ ๋ถˆ์ˆœ๋„ ์ธก์ • ๊ฒฐ๊ณผ๋ฅผ ์‚ฌ์šฉํ•ด์„œ ๊ตฌํ•œ ์ง€๋‹ˆ ์ง€์ˆ˜๋Š” ์–ผ๋งˆ์ธ๊ฐ€? ์ •๋‹ตํ™•์ธ

โ—† โ— โ— โ— โ—
 
1) 0.5

2) 0.32

3) 0.48

4) 0.38

 

 

๋ฌธ์ œ 38. ์–ด๋–ค ์Šˆํผ๋งˆ์ผ“ ๊ณ ๊ฐ 6๋ช…์˜ ์žฅ๋ฐ”๊ตฌ๋‹ˆ๋ณ„ ๊ตฌ์ž…ํ’ˆ๋ชฉ์ด ๋‹ค์Œ๊ณผ ๊ฐ™์„๋•Œ, ์—ฐ๊ด€ ๊ทœ์น™(์ฝœ๋ผ -> ๋งฅ์ฃผ)์˜ ์ง€์ง€๋„๋Š”? ์ •๋‹ตํ™•์ธ

๊ฑฐ๋ž˜๋ฒˆํ˜ธ        ํŒ๋งค์ƒํ’ˆ
---------------------
 1          ์†Œ์ฃผ, ์ฝœ๋ผ, ๋งฅ์ฃผ
 2          ์†Œ์ฃผ, ์ฝœ๋ผ, ์™€์ธ
 3          ์†Œ์ฃผ, ์ฃผ์Šค
 4          ์ฝœ๋ผ, ๋งฅ์ฃผ
 5          ์†Œ์ฃผ, ์ฝœ๋ผ, ๋งฅ์ฃผ, ์™€์ธ
 6          ์ฃผ์Šค
1) 0.6

2) 0.4

3) 0.5

4) 0.3

 

๋ฌธ์ œ 39. ๋‹ค์Œ์˜ ํ’ˆ๋ชฉ/๊ฑฐ๋ž˜๋Ÿ‰ ํ‘œ๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ ์—ฐ๊ด€ ๊ทœ์น™(๋”ธ๊ธฐ->์‚ฌ๊ณผ)์˜ ํ–ฅ์ƒ๋„๋Š” ๋ฌด์—‡์ธ๊ฐ€?  ์ •๋‹ตํ™•์ธ

     ํ’ˆ๋ชฉ          ๊ฑฐ๋ž˜๋Ÿ‰
------------------------
๋”ธ๊ธฐ, ์‚ฌ๊ณผ, ํฌ๋„      100
๋”ธ๊ธฐ, ํฌ๋„           400
์‚ฌ๊ณผ, ํฌ๋„, ๋ฐ”๋‚˜๋‚˜     150
์‚ฌ๊ณผ, ๋”ธ๊ธฐ, ๋ฐ”๋‚˜๋‚˜     200
ํฌ๋„, ๋ฐ”๋‚˜๋‚˜          150
1) 0.3

2) 0.3/(0.7*0.45)

3) 0.3/0.7

4) 0.3/(0.7 + 0.45)

 

๋ฌธ์ œ 40. ๋‹ค์Œ ์„ค๋ช…์— ํ•ด๋‹น๋˜๋Š” ์•™์ƒ๋ธ” ๊ธฐ๋ฒ•์€?  ์ •๋‹ตํ™•์ธ

[์„ค๋ช…]
์—ฌ๋Ÿฌ ๊ฐœ์˜ ๋ถ“์ŠคํŠธ๋žฉ ์ž๋ฃŒ๋ฅผ ์ƒ์„ฑํ•˜๊ณ  ๊ฐ ๋ถ“์ŠคํŠธ๋žฉ ์ž๋ฃŒ์— ์˜ˆ์ธก ๋ชจํ˜•์„ ๋งŒ๋“  ํ›„
๊ฒฐํ•ฉํ•˜์—ฌ ์ตœ์ข… ์˜ˆ์ธก ๋ชจํ˜•์„ ๋งŒ๋“œ๋Š” ๋ฐฉ๋ฒ•
1) Bagging

2) Voting

3) Boosting

4) Stacking

 

๋ฌธ์ œ 41. ๊ตฐ์ง‘๋ถ„์„ ๊ด€๋ จ ์„ค๋ช…์œผ๋กœ ํ‹€๋ฆฐ ๊ฒƒ์€?  ์ •๋‹ตํ™•์ธ

 
 
1) ๊ณ„์ธต์  ๊ตฐ์ง‘๋ถ„์„์€ ์‚ฌ์ „์— ๊ตฐ์ง‘ ์ˆ˜ k๋ฅผ ์„ค์ •ํ•  ํ•„์š”๊ฐ€ ์—†๋Š” ํƒ์ƒ‰์  ๋ชจํ˜•์ด๋‹ค.

2) ์ง‘๋‹จ๊ฐ„ ์ด์งˆํ™”, ์ง‘๋‹จ๋‚ด ๋™์งˆํ™” ๋ชจ๋‘ ๋‚ฎ์€ ๊ฒƒ์„ ๊ตฐ์ง‘์œผ๋กœ ์„ ํƒํ•œ๋‹ค.

3) K-means ๊ตฐ์ง‘์€ ์žก์Œ์ด๋‚˜ ์ด์ƒ๊ฐ’์— ์˜ํ–ฅ์„ ๋ฐ›๊ธฐ ์‰ฝ๋‹ค.

4) ๊ตฐ์ง‘๋ถ„์„์€ ๋น„์ง€๋„ํ•™์Šต์ด๋‹ค.

 

๋ฌธ์ œ 42. ์‹ ๊ฒฝ๋ง ๋…ธ๋“œ ์ค‘ ๋ฌด์ž‘์œ„๋กœ ๋…ธ๋“œ๋ฅผ ์„ ์ •ํ•˜์—ฌ ๋‹ค์ˆ˜์˜ ๋ชจํ˜•์„ ๊ตฌ์„ฑํ•˜๊ณ  ํ•™์Šตํ•œ ๋’ค ๊ฐ ๋ชจํ˜•์˜ ๊ฒฐ๊ณผ๋ฅผ ๊ฒฐํ•ฉํ•ด ๋ถ„๋ฅ˜ ๋ฐ ์˜ˆ์ธกํ•˜๋Š” ๊ธฐ๋ฒ•์„ ๋ฌด์—‡์ด๋ผ๊ณ  ํ•˜๋Š”๊ฐ€?  ์ •๋‹ตํ™•์ธ

 

1) Mini-Batch

2) Bagging

3) Drop-out

4) AdaBoost

 

๋ฌธ์ œ 43. ๋‹ค์Œ ํšŒ๊ท€๋ถ„์„์˜ ๊ฒฐ๊ณผ ํ•ด์„์œผ๋กœ ํ‹€๋ฆฐ ๊ฒƒ์€?   ์ •๋‹ตํ™•์ธ

> library(MASS)
> data(ChickWeight)
> Chick = ChickWeight[ChickWeight$Diet==1 & ChickWeight$Chick==1,]
> model = lm(weight ~ Time, Chick)
> summary(model)

Call:
lm(formula = weight ~ Time, data = Chick)

Residuals:
    Min       1Q        Median       3Q        Max
-14.3202    -11.3081   -0.3444     11.1162   17.5346

Coefficients:
             Estimate    Std. Error   t value    Pr(>|t|)
(Intercept)  24.4654      6.7279      3.636    0.00456 **
Time         7.9879       0.5236      15.255  2.97e-08 ***
---
Signif. codes: 0 '***' 0.001 '***' 0.01 '*' 0.05 ',' 0.1 ' ' 1
Residual standard error: 12.29 on 10 degrees of freedom
Multiple R-squared: 0.9588,  Adjusted R-squared: 0.9547
F-statistic: 232.7 on 1 and 10 DF, p-value: 2.974e-08

 

1) ๊ฒฐ์ •๊ณ„์ˆ˜๋Š” 0.9588์ด๋‹ค.

2) 5% ์œ ์˜์ˆ˜์ค€์—์„œ ๋ชจํ˜•์€ ํ†ต๊ณ„์ ์œผ๋กœ ์œ ์˜๋ฏธ ํ•˜๋‹ค.

3) Time์ด 1๋‹จ์œ„ ์ฆ๊ฐ€ํ•˜๋ฉด Weight๊ฐ€ ํ‰๊ท ์ ์œผ๋กœ 8.8 ์ฆ๊ฐ€ํ•œ๋‹ค.

4) ์ถ”์ •๋œ ํšŒ๊ท€์‹์€ weight = 24.4654 + 7.9879 * Time ์ด๋‹ค.

 

 

๋ฌธ์ œ 44. ์•„๋ž˜ ์„ค๋ช…์— ํ•ด๋‹นํ•˜๋Š” ์ •๋‹ต์„ ๊ณ ๋ฅด์‹œ์˜ค.  ์ •๋‹ตํ™•์ธ

[์„ค๋ช…]

๋…๋ฆฝ๋ณ€์ˆ˜๊ฐ„ ์ƒ๊ด€๊ด€๊ณ„๊ฐ€ ๋†’์•„ ๋งŽ์€ ๋ฌธ์ œ์ ์„ ๋ฐœ์ƒํ•˜๋Š” ํ˜„์ƒ์œผ๋กœ ํšŒ๊ท€๊ณ„์ˆ˜์˜ ๋ถ„์‚ฐ์„ ์ฆ๊ฐ€์‹œ์ผœ 
๋ถˆ์•ˆ์ •ํ•˜๊ณ  ํ•ด์„ํ•˜๊ธฐ ์–ด๋ ต๊ฒŒ ๋งŒ๋“ค๊ฒŒ ๋˜๋Š” ๊ฒƒ์„ ๋‹ค์ค‘๊ณต์„ ์„ฑ์ด๋ผ๊ณ  ํ•œ๋‹ค. 
์ด๊ฒƒ์˜ ํ•ด๊ฒฐ ๋ฐฉ๋ฒ•์œผ๋กœ ์‚ฌ์šฉํ•  ์ˆ˜ ์žˆ๋Š” ๊ฒƒ์€ ๋ฌด์—‡์ธ๊ฐ€?
1) ์ฃผ์„ฑ๋ถ„ ๋ถ„์„

2) ๊ต์ฐจ ๋ถ„์„

3) ์˜ค์ฐจ ๋ถ„์„

4) ์—ฐ๊ด€ ๋ถ„์„

 

 

๋ฌธ์ œ 45. ์•„๋ž˜ ์„ค๋ช…์˜ ๋‹ต์„ ์ž‘์„ฑํ•˜์‹œ์˜ค.

 

[์„ค๋ช…]

์‹œ๊ณ„์—ด๋ถ„์„์—์„œ ์‹œ๊ณ„์—ด์˜ ์ˆ˜์ค€๊ณผ ๋ถ„์‚ฐ์— ์ฒด๊ณ„์ ์ธ ๋ณ€ํ™”๊ฐ€ ์—†๊ณ , ์ฃผ๊ธฐ์  ๋ณ€๋™์ด ์—†๋‹ค๋Š” ๊ฒƒ์œผ๋กœ 
๋ฏธ๋ž˜๋Š” ํ™•๋ฅ ์ ์œผ๋กœ ๊ณผ๊ฑฐ์™€ ๋™์ผํ•˜๋‹ค๋Š” ๊ฒƒ์„ ์˜๋ฏธํ•˜๋Š” ์šฉ์–ด๋Š”?

โœ๏ธ์ •๋‹ตํ™•์ธ

 

๋ฌธ์ œ 46. ๋‹ค์Œ ์˜ค๋ถ„๋ฅ˜ํ‘œ๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ F1 Score๋ฅผ ๊ตฌํ•˜์‹œ์˜ค. (๋ถ„์ˆ˜๋กœ ํ‘œ๊ธฐํ•  ๊ฒƒ)

 

์˜ค๋ถ„๋ฅ˜ํ‘œ ์˜ˆ์ธก๊ฐ’
TRUE FALSE
์‹ค์ œ๊ฐ’ TRUE 15 60
FALSE 60 30

โœ๏ธ์ •๋‹ตํ™•์ธ

 

 

๋ฌธ์ œ 47. ๋‹ค์Œ ๋นˆ์นธ์— ์•Œ๋งž์€ ๋‹จ์–ด๋ฅผ ์ž‘์„ฑํ•˜์‹œ์˜ค.

 

์™„์ „ ์—ฐ๊ฒฐ๋ฒ•์ด๋ผ๊ณ ๋„ ํ•˜๋ฉฐ, ๋‘ ๊ตฐ์ง‘ ์‚ฌ์ด์˜ ๊ฑฐ๋ฆฌ๋ฅผ ๊ตฐ์ง‘์—์„œ ํ•˜๋‚˜์”ฉ 
๊ด€์ธก ๊ฐ’์„ ๋ฝ‘์•˜์„ ๋•Œ ๋‚˜ํƒ€๋‚  ์ˆ˜ ์žˆ๋Š” ๊ฑฐ๋ฆฌ์˜ (    )์„ ์ธก์ •ํ•œ๋‹ค.

โœ๏ธ์ •๋‹ตํ™•์ธ

 

 

๋ฌธ์ œ 48. ๋‹ค์Œ ์ฃผ์„ฑ๋ถ„ ๋ถ„์„ ๊ฒฐ๊ณผ์—์„œ ์ฃผ์„ฑ๋ถ„ 1๊ฐœ๋ฅผ ์‚ฌ์šฉํ–ˆ์„ ๋•Œ ๋ถ„์‚ฐ์„ ๊ตฌํ•˜์‹œ์˜ค. (์†Œ์ˆ˜์  ๋‘˜์งธ ์ž๋ฆฌ์—์„œ ๋ฐ˜์˜ฌ๋ฆผ)

 

> summary(fit)
Importance of components:
                           PC1      PC2     PC3     PC4     PC5       PC6
Standard deviation       1.8118   1.0042  0.9057  0.7771  0.52403  2.525e-16
Proportion of Variance   0.5746   0.1423  0.1367  0.1007  0.04577  0.000e+00
Cumulative Proportion    0.5746   0.7169  0.8536  0.9542  1.00000  1.000e+00

โœ๏ธ์ •๋‹ตํ™•์ธ

 

 

๋ฌธ์ œ 49. ์•„๋ž˜ ์„ค๋ช…์˜ ๋‹ต์„ ์ž‘์„ฑํ•˜์‹œ์˜ค.

 

[์„ค๋ช…]

์ƒ๋ฌผํ•™์  ์ง„ํ™” ๊ณผ์ •์„ ๋ชจ๋ฐฉํ•˜์—ฌ ์ตœ์ ํ™” ๋ฐ ๊ฒ€์ƒ‰ ๋ฌธ์ œ๋ฅผ ํ•ด๊ฒฐํ•˜๋Š”๋ฐ ์‚ฌ์šฉ๋˜๋Š” ๊ณ„์‚ฐ ์•Œ๊ณ ๋ฆฌ์ฆ˜์œผ๋กœ
๋‹ค์–‘ํ•œ ํ•ด๋ฅผ ํƒ์ƒ‰ํ•˜๊ณ  ์„ ํƒ, ๊ต์ฐจ, ๋ณ€์ด์™€ ๊ฐ™์€ ์œ ์ „ ์—ฐ์‚ฐ์„ ํ†ตํ•ด ์ตœ์ ์˜ ํ•ด๋ฅผ ์ฐพ์•„๋‚ด๋Š”๋ฐ ํšจ๊ณผ์ ์ธ ์•Œ๊ณ ๋ฆฌ์ฆ˜์€?

โœ๏ธ์ •๋‹ตํ™•์ธ

 

 

๋ฌธ์ œ 50. ์•„๋ž˜ ์„ค๋ช…์˜ ๋‹ต์„ ์ž‘์„ฑํ•˜์‹œ์˜ค.

[์„ค๋ช…]

๋ชจ์ง‘๋‹จ์„ ๋จผ์ € ์„œ๋กœ ๊ฒน์น˜์ง€ ์•Š๋Š” ์—ฌ๋Ÿฌ ๊ฐœ์˜ ์ธต์œผ๋กœ ๋ถ„ํ• ํ•œ ํ›„, 
๊ฐ ์ธต์—์„œ ๋‹จ์ˆœ ์ž„์˜ ์ถ”์ถœ๋ฒ•์— ๋”ฐ๋ผ ๋ฐฐ์ •๋œ ํ‘œ๋ณธ์„ ์ถ”์ถœํ•˜๋Š” ๋ฐฉ๋ฒ•์€?

โœ๏ธ์ •๋‹ตํ™•์ธ

 

 

 


 

๐Ÿ“ADsP. ์ œ 38 ํšŒ ๊ธฐ์ถœ ๋ฌธ์ œ(์ด 50) - ์ •๋‹ต / ํ•ด์„ค

 

1. ์ •๋‹ต :  2

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

๊ตฌ๋ถ„ ์„ค๋ช…
๋ฉ”ํƒ€๋ฐ์ดํ„ฐ(Metadata) - ๋ฐ์ดํ„ฐ์— ๋Œ€ํ•œ ๋ฐ์ดํ„ฐ๋กœ ๋ฐ์ดํ„ฐ์˜ ํŠน์„ฑ, ๊ตฌ์กฐ, ์ •์˜ ๋ฐ ๊ด€๋ฆฌ ์ •๋ณด๋ฅผ ์„ค๋ช…ํ•˜๋Š” ๋ฐ์ดํ„ฐ
- ๋ฐ์ดํ„ฐ์˜ ๊ตฌ์กฐ์™€ ์˜๋ฏธ๋ฅผ ์ดํ•ดํ•˜๊ณ  ๋ฐ์ดํ„ฐ๋ฅผ ๊ด€๋ฆฌ, ๊ฒ€์ƒ‰ ๋ฐ ๋ถ„์„ํ•˜๋Š”๋ฐ ํ•„์ˆ˜์ 
์ธ๋ฑ์Šค (Index) - ๋ฐ์ดํ„ฐ๋ฒ ์ด์Šค์—์„œ ๋ฐ์ดํ„ฐ ๊ฒ€์ƒ‰ ๋ฐ ์กฐํšŒ์˜ ์„ฑ๋Šฅ์„ ํ–ฅ์ƒ์‹œํ‚ค๊ธฐ ์œ„ํ•ด ์‚ฌ์šฉ๋˜๋Š” ์ž๋ฃŒ๊ตฌ์กฐ
- ํ‚ค๋Š” ๊ฒ€์ƒ‰์„ ๋น ๋ฅด๊ฒŒ ์ˆ˜ํ–‰ํ•˜๊ธฐ ์œ„ํ•œ ์ •๋ ฌ ๋ฐ ๊ฒ€์ƒ‰ ๊ตฌ์กฐ๋ฅผ ์ œ๊ณตํ•จ
ํ…Œ์ด๋ธ” (Table) - ํ‘œ ํ˜•์‹์˜ ํ–‰๊ณผ ์—ด๋กœ ๊ตฌ์„ฑ๋œ ๋ฐ์ดํ„ฐ
์†์„ฑ (Attribute) - ํ…Œ์ด๋ธ”์—์„œ ํ•˜๋‚˜์˜ ์—ด(Column) ์— ํ•ด๋‹นํ•˜๋Š” ๋ฐ์ดํ„ฐ

 

2. ์ •๋‹ต :  2

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

- Tableau ๋Š” ๋ฐ์ดํ„ฐ ์‹œ๊ฐํ™” ๋ฐ BI ๋„๊ตฌ๋กœ, ๋ฐ์ดํ„ฐ๋ฅผ ์‹œ๊ฐ์ ์œผ๋กœ ํƒ์ƒ‰ํ•˜๊ณ  ์ดํ•ดํ•˜๋ฉฐ ์ธ์‚ฌ์ดํŠธ๋ฅผ ๋ฐœ๊ฒฌํ•˜๋Š” ๋ฐ ์‚ฌ์šฉ๋˜๋Š” ๊ฐ•๋ ฅํ•œ ์†Œํ”„ํŠธ์›จ์–ด ๋กœ ๋ฐ์ดํ„ฐ ์‹œ๊ฐํ™”, ๋Œ€์‹œ๋ณด๋“œ ๋ฐ ๋ฆฌํฌํŠธ ์ž‘์„ฑ, ๋ฐ์ดํ„ฐ ์—ฐ๊ฒฐ ๋ฐ ์ค€๋น„, ๋ฐ์ดํ„ฐ ๋ถ„์„, ๋Œ€๊ทœ๋ชจ ๋ฐ์ดํ„ฐ ์ง‘ํ•ฉ ๊ด€๋ฆฌ ๋“ฑ ๋‹ค์–‘ํ•œ ๋ฐ์ดํ„ฐ ๊ด€๋ จ ์ž‘์—…์„ ์ง€์›ํ•จ.

 
 
์ƒ์šฉDB ์ข…๋ฅ˜
- Oracle Database
- Microsoft SQL Server
- IBM Db2
- SAP HANA
- PostgresSQL
- MySQL(๋ฌด๋ฃŒ / ์œ ๋ฃŒ)
- Amazon RDS (Amazon Relational Database Service)
- MariaDB
- Teradata 
- Sybase ASE (Adaptive Server Enterprise)
 
 

 

3. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

๋ฐ์ดํ„ฐ ํฌ๊ธฐ

KB < MB < GB < TB < PB < EB < ZB < YB (Peta < Exa < Zetta < Yotta)

 

 

4. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

๊ตฌ๋ถ„ ํŠน์ง•
ํ†ตํ•ฉ ๋ฐ์ดํ„ฐ  ๋ฐ์ดํ„ฐ๋ฒ ์ด์Šค์— ๊ฐ™์€ ๋‚ด์šฉ์˜ ๋ฐ์ดํ„ฐ๊ฐ€ ์ค‘๋ณต๋˜์–ด ์žˆ์ง€ ์•Š๋‹ค๋Š” ๊ฒƒ์„ ์˜๋ฏธ
์ €์žฅ ๋ฐ์ดํ„ฐ  ์ž๊ธฐ๋””์Šคํฌ๋‚˜ ์ž๊ธฐํ…Œ์ดํ”„ ๋“ฑ๊ณผ ๊ฐ™์ด ์ปดํ“จํ„ฐ๊ฐ€ ์ ‘๊ทผํ•  ์ˆ˜ ์žˆ๋Š” ์ €์žฅ๋งค์ฒด์— ์ €์žฅ๋˜๋Š” ๊ฒƒ์„ ์˜๋ฏธ
๊ณต์šฉ ๋ฐ์ดํ„ฐ  ์—ฌ๋Ÿฌ ์‚ฌ์šฉ์ž์—๊ฒŒ ์„œ๋กœ ๋‹ค๋ฅธ ๋ชฉ์ ์œผ๋กœ ๋ฐ์ดํ„ฐ๋ฒ ์ด์Šค์˜ ๋ฐ์ดํ„ฐ๋ฅผ ๊ณต๋™์œผ๋กœ ์ด์šฉ๋˜๋Š” ๊ฒƒ์„ ์˜๋ฏธ
๋ณ€ํ™”๋˜๋Š” ๋ฐ์ดํ„ฐ  ์ƒˆ๋กœ์šด ๋ฐ์ดํ„ฐ์˜ ์ถ”๊ฐ€, ๊ธฐ์กด ๋ฐ์ดํ„ฐ์˜ ์‚ญ์ œ, ๊ฐฑ์‹ ์œผ๋กœ ํ•ญ์ƒ ๋ณ€ํ™”ํ•˜๋ฉด์„œ๋„ ํ•ญ์ƒ ํ˜„์žฌ์˜ ์ •ํ™•ํ•œ ๋ฐ์ดํ„ฐ๋ฅผ ์œ ์ง€ํ•ด์•ผ ํ•œ๋‹ค๋Š” ๊ฒƒ์„ ์˜๋ฏธ

 

5. ์ •๋‹ต :  4

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

๋น…๋ฐ์ดํ„ฐ ํ™œ์šฉ์„ ์œ„ํ•œ 3์š”์†Œ

- ๋ฐ์ดํ„ฐ(์ž์›), ๊ธฐ์ˆ , ์ธ๋ ฅ

๋ฐ์ดํ„ฐ  ๋ชจ๋“  ๊ฒƒ์˜ ๋ฐ์ดํ„ฐํ™”(Datafication)
๊ธฐ์ˆ   ์ง„ํ™”ํ•˜๋Š” ์•Œ๊ณ ๋ฆฌ์ฆ˜, ์ธ๊ณต์ง€๋Šฅ
์ธ๋ ฅ  ๋ฐ์ดํ„ฐ ์‚ฌ์ด์–ธํ‹ฐ์ŠคํŠธ, ์•Œ๊ณ ๋ฆฌ์ฆˆ๋ฏธ์ŠคํŠธ

๋ฐ์ดํ„ฐ ๊ฑฐ๋ฒ„๋„Œ์Šค ๊ตฌ์„ฑ ์š”์†Œ

- ์›์น™, ์กฐ์ง, ํ”„๋กœ์„ธ์Šค

์›์น™  ๋ฐ์ดํ„ฐ๋ฅผ ์œ ์ง€ ๊ด€๋ฆฌํ•˜๊ธฐ ์œ„ํ•œ ์ง€์นจ๊ณผ ๊ฐ€์ด๋“œ ๋ฐ ๋ณด์•ˆ, ํ’ˆ์งˆ ๊ธฐ์ค€, ๋ณ€๊ฒฝ ๊ด€๋ฆฌ
์กฐ์ง  ๋ฐ์ดํ„ฐ๋ฅผ ๊ด€๋ฆฌํ•  ์กฐ์ง์˜ ์—ญํ• ๊ณผ ์ฑ…์ž„ ๋ฐ ๋ฐ์ดํ„ฐ ๊ด€๋ฆฌ์ž, ๋ฐ์ดํ„ฐ ์•„ํ‚คํ…ํŠธ
ํ”„๋กœ์„ธ์Šค  ๋ฐ์ดํ„ฐ ๊ด€๋ฆฌ๋ฅผ ์œ„ํ•œ ํ™œ๋™๊ณผ ์ฒด๊ณ„ ๋ฐ ์ž‘์—… ์ ˆ์ฐจ, ๋ชจ๋‹ˆํ„ฐ๋ง ํ™œ๋™

 

6. ์ •๋‹ต :  2

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

๋น…๋ฐ์ดํ„ฐ์˜ ๋ณธ์งˆ์  ๋ณ€ํ™”์‚ฌ์ „์ฒ˜๋ฆฌ -> ์‚ฌํ›„์ฒ˜๋ฆฌํ‘œ๋ณธ์กฐ์‚ฌ -> ์ „์ˆ˜์กฐ์‚ฌ์งˆ(Quality) -> ์–‘(Quantity)์ธ๊ณผ๊ด€๊ณ„ -> ์ƒ๊ด€๊ด€๊ณ„

 

 

7. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

๋น…๋ฐ์ดํ„ฐ์˜ ์œ„๊ธฐ์š”์ธ&ํ•ด๊ฒฐ๋ฐฉ์•ˆ

๊ฐ€. ์‚ฌ์ƒํ™œ ์นจํ•ด -> ๋™์˜์ œ๋ฅผ ์ฑ…์ž„์ œ๋กœ ์ „ํ™˜

๋‚˜. ์ฑ…์ž„์›์น™์˜ ํ›ผ์† -> ๊ธฐ์กด์˜ ์ฑ…์ž„์›์น™์„ ๊ฐ•ํ™”

๋‹ค. ๋ฐ์ดํ„ฐ์˜ ์˜ค์šฉ -> ๋ฐ์ดํ„ฐ ์•Œ๊ณ ๋ฆฌ์ฆ˜์— ๋Œ€ํ•œ ์ ‘๊ทผ๊ถŒ ํ—ˆ์šฉ ๋ฐ ๊ฐ๊ด€์  ์ธ์ฆ๋ฐฉ์•ˆ์„ ๋„์ž… ํ•„์š”์„ฑ ์ œ๊ธฐ

 

8. ์ •๋‹ต :  4

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

๋ฐ์ดํ„ฐ ์‚ฌ์ด์–ธํ‹ฐ์ŠคํŠธ์˜ ์—ญ๋Ÿ‰

- ๋ฐ์ดํ„ฐ ์‚ฌ์ด์–ธํ‹ฐ์ŠคํŠธ๋“ค์€ ํ•˜๋“œ ์Šคํ‚ฌ๊ณผ ์†Œํ”„ํŠธ ์Šคํ‚ฌ ๋Šฅ๋ ฅ์„ ๋™์‹œ์— ๊ฐ–์ถ”๊ณ  ์žˆ์–ด์•ผ ํ•œ๋‹ค.

ํ•˜๋“œ ์Šคํ‚ฌ  Machine Learning, Modeling, Data Technical Skill
์†Œํ”„ํŠธ ์Šคํ‚ฌ  ํ†ต์ฐฐ๋ ฅ ์žˆ๋Š” ๋ถ„์„, ์„ค๋“๋ ฅ ์žˆ๋Š” ์ „๋‹ฌ, ๋‹ค๋ถ„์•ผ๊ฐ„ ํ˜‘๋ ฅ

 

9. ์ •๋‹ต :  SCM

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

 

 

10. ์ •๋‹ต :  DIKW

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

๊ตฌ๋ถ„ ์„ค๋ช…
๋ฐ์ดํ„ฐ(Data)  ํƒ€ ๋ฐ์ดํ„ฐ์™€์˜ ์ƒ๊ด€๊ด€๊ณ„๊ฐ€ ์—†๋Š” ๊ฐ€๊ณตํ•˜๊ธฐ ์ „์˜ ์ˆœ์ˆ˜ํ•œ ์ˆ˜์น˜๋‚˜ ๊ธฐํ˜ธ
์ •๋ณด(Information)  ๋ฐ์ดํ„ฐ์˜ ๊ฐ€๊ณต ๋ฐ ์ƒ๊ด€/์—ฐ๊ด€ ๊ด€๊ณ„ ์†์—์„œ ์˜๋ฏธ๊ฐ€ ๋„์ถœ๋œ ๊ฒƒ
์ง€์‹(Knowledge)  ์ƒํ˜ธ ์—ฐ๊ฒฐ๋œ ์ •๋ณด ํŒจํ„ด์„ ์ดํ•ดํ•˜์—ฌ ์ด๋ฅผ ํ† ๋Œ€๋กœ ์˜ˆ์ธกํ•œ ๊ฒฐ๊ณผ๋ฌผ
์ง€ํ˜œ(Wisdom)  ๊ทผ๋ณธ ์›๋ฆฌ์— ๋Œ€ํ•œ ๊นŠ์€ ์ดํ•ด๋ฅผ ๋ฐ”ํƒ•์œผ๋กœ ๋„์ถœ๋˜๋Š” ์•„์ด๋””์–ด

 

11. ์ •๋‹ต :  3

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

๊ตฌ๋ถ„ ์„ค๋ช…
์ค€๋น„ํ˜•
(์ค€๋น„๋„ ๋‚ฎ์Œ, ์„ฑ์ˆ™๋„ ๋‚ฎ์Œ)
๊ธฐ์—…์— ํ•„์š”ํ•œ ๋ฐ์ดํ„ฐ, ์ธ๋ ฅ, ์กฐ์ง, ๋ถ„์„ ์—…๋ฌด ๋“ฑ์ด ์ ์šฉ๋˜์–ด ์žˆ์ง€ ์•Š์•„ ์‚ฌ์ „ ์ค€๋น„๊ฐ€ ํ•„์š”ํ•œ ๊ธฐ์—…
๋„์ž…ํ˜•
(์ค€๋น„๋„ ๋†’์Œ, ์„ฑ์ˆ™๋„ ๋‚ฎ์Œ)
๊ธฐ์—…์—์„œ ํ™œ์šฉํ•˜๋Š” ๋ถ„์„ ์—…๋ฌด, ๊ธฐ๋ฒ• ๋“ฑ์€ ๋ถ€์กฑํ•˜์ง€๋งŒ ์ ์šฉ ์กฐ์ง ๋“ฑ ์ค€๋น„๋„๊ฐ€ ๋†’์•„ ๋ฐ”๋กœ ๋„์ž…ํ•  ์ˆ˜ ์žˆ๋Š” ๊ธฐ์—…
์ •์ฐฉํ˜•
(์ค€๋น„๋„ ๋‚ฎ์Œ, ์„ฑ์ˆ™๋„ ๋†’์Œ)
์ค€๋น„๋„๋Š” ๋‚ฎ์œผ๋‚˜ ๊ธฐ์—… ๋‚ด๋ถ€์—์„œ ์ œํ•œ์ ์œผ๋กœ ์‚ฌ์šฉํ•˜๊ณ ์žˆ์–ด 1์ฐจ์ ์œผ๋กœ ์ •์ฐฉ์ด ํ•„์š”ํ•œ ๊ธฐ์—…
ํ™•์‚ฐํ˜•
(์ค€๋น„๋„ ๋†’์Œ, ์„ฑ์ˆ™๋„ ๋†’์Œ)
๊ธฐ์—…์— ํ•„์š”ํ•œ 6๊ฐ€์ง€ ๋ถ„์„ ๊ตฌ์„ฑ์š”์†Œ๋ฅผ ๊ฐ–์ถ”๊ณ  ์žˆ๊ณ , ๋ถ€๋ถ„์ ์œผ๋กœ๋„ ๋„์ž…๋˜์–ด ์ง€์†์  ํ™•์‚ฐ์ด ํ•„์š”ํ•œ ๊ธฐ์—…

 

12. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

๋น„์ฆˆ๋‹ˆ์Šค ๋ชจ๋ธ ์บ”๋ฒ„์Šค 5๊ฐ€์ง€ ์˜์—ญ: ์—…๋ฌด, ์ œํ’ˆ, ๊ณ ๊ฐ, ์ง€์› ์ธํ”„๋ผ, ๊ทœ์ œ์™€ ๊ฐ์‚ฌ

 

13. ์ •๋‹ต :  3

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

๋ถ„์„ ๊ณผ์ œ ์šฐ์„ ์ˆœ์œ„ ์„ ์ • ๊ธฐ๋ฒ•

- 3์‚ฌ๋ถ„๋ฉด : ๋‚œ์ด๋„ ์‰ฌ์›€, ์‹œ๊ธ‰์„ฑ ํ˜„์žฌ์— ํ•ด๋‹นํ•˜๋Š” ๊ฒƒ์œผ๋กœ ์ผ๋ฐ˜์ ์œผ๋กœ ๊ฐ€์žฅ ๋จผ์ € ํ•˜๋Š” ๊ฒƒ

- ์šฐ์„ ์ˆœ์œ„๋ฅผ '์‹œ๊ธ‰์„ฑ'์— ๋‘”๋‹ค๋ฉด โ…ข - โ…ฃ - โ…ก์ˆœ์„œ ์ง„ํ–‰

- ์šฐ์„ ์ˆœ์œ„๋ฅผ '๋‚œ์ด๋„'์— ๋‘”๋‹ค๋ฉด โ…ข - โ…  - โ…ก์ˆœ์„œ ์ง„ํ–‰

- ์‹œ๊ธ‰์„ฑ์ด ๋†’๊ณ (ํ˜„์žฌ) ๋‚œ์ด๋„๊ฐ€ ๋†’์€(Difficult) ์˜์—ญ(1์‚ฌ๋ถ„๋ฉด)์€ ๊ฒฝ์˜์ง„ ๋˜๋Š” ์‹ค๋ฌด ๋‹ด๋‹น์ž์˜ ์˜์‚ฌ๊ฒฐ์ •์— ๋”ฐ๋ผ ์ ์šฉ ์šฐ์„ ์ˆœ์œ„๋ฅผ ์กฐ์ •ํ•  ์ˆ˜ ์žˆ์Œ

 

14. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

๋ถ„์„ ์„ฑ์ˆ™๋„

- ๋ถ„์„ ์„ฑ์ˆ™๋„ ์ˆ˜์ค€ ์ง„๋‹จ์€ ์ฃผ๋กœ ๊ธฐ์—… ๋‚ด๋ถ€์˜ ๋ฐ์ดํ„ฐ ๋ถ„์„ ๋Šฅ๋ ฅ๊ณผ ํ”„๋กœ์„ธ์Šค์— ๋Œ€ํ•œ ํ‰๊ฐ€๋ฅผ ๋‹ค๋ฃฌ๋‹ค.

- ์‹œ์Šคํ…œ ๊ฐœ๋ฐœ ์—…๋ฌด๋Šฅ๋ ฅ๊ณผ ์กฐ์ง์˜ ์„ฑ์ˆ™๋„ ํŒŒ์•…์„ ์œ„ํ•ด CMMI ๋ชจ๋ธ์„ ํ™œ์šฉํ•˜์—ฌ ๋ถ„์„ ์„ฑ์ˆ™๋„๋ฅผ ํ‰๊ฐ€ํ•œ๋‹ค.

- ๋น„์ฆˆ๋‹ˆ์Šค ๋ถ€๋ฌธ, ์กฐ์ง/์—ญ๋Ÿ‰ ๋ถ€๋ฌธ, IT๋ถ€๋ฌธ์„ ๋Œ€์ƒ์œผ๋กœ ์„ฑ์ˆ™๋„ ์ˆ˜์ค€์— ๋”ฐ๋ผ ๋„์ž…, ํ™œ์šฉ, ํ™•์‚ฐ, ์ตœ์ ํ™” ๋‹จ๊ณ„๋กœ ๊ตฌ๋ถ„ํ•ด ์‚ดํŽด ๋ณผ ์ˆ˜ ์žˆ๋‹ค.

- ๋ฐ์ดํ„ฐ ๋ถ„์„ ์ˆ˜์ค€ ์ง„๋‹จ์€ ๋ถ„์„ ์ค€๋น„๋„์™€ ๋ถ„์„ ์„ฑ์ˆ™๋„๋ฅผ ํ•จ๊ป˜ ํ‰๊ฐ€ํ•จ์œผ๋กœ์จ ์ˆ˜ํ–‰๋  ์ˆ˜ ์žˆ๋‹ค.

 

15. ์ •๋‹ต :  4

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

์šฐ์„ ์ˆœ์œ„ ๊ณ ๋ ค์š”์†Œ

- ์ „๋žต์  ์ค‘์š”๋„, ROI(ํˆฌ์ž์ž๋ณธ ์ˆ˜์ต๋ฅ ), ์‹คํ–‰ ์šฉ์ด์„ฑ

 

์ ์šฉ ๋ฒ”์œ„/๋ฐฉ์‹ ๊ณ ๋ ค์š”์†Œ

- ์—…๋ฌด ๋‚ด์žฌํ™” ์ ์šฉ ์ˆ˜์ค€, ๋ถ„์„ ๋ฐ์ดํ„ฐ ์ ์šฉ ์ˆ˜์ค€, ๊ธฐ์ˆ  ์ ์šฉ ์ˆ˜์ค€

 

16. ์ •๋‹ต :  3

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

๋ถ„์‚ฐ ์กฐ์ง ๊ตฌ์กฐ

- ๋ถ„์„ ์กฐ์ง์˜ ์ธ๋ ฅ๋“ค์ด ํ˜‘์—…๋ถ€์„œ์— ๋ฐฐ์น˜ ๋˜์–ด ์—…๋ฌด๋ฅผ ์ˆ˜ํ–‰ํ•จ

- ์ „์‚ฌ ์ฐจ์›์—์„œ ๋ถ„์„ ๊ณผ์ œ์˜ ์šฐ์„ ์ˆœ์œ„๋ฅผ ์„ ์ •ํ•ด ์ˆ˜ํ–‰, ๋ถ„์„ ๊ฒฐ๊ณผ๋ฅผ ์‹ ์†ํ•˜๊ฒŒ ์‹ค๋ฌด ์ ์šฉ ๊ฐ€๋Šฅ

- ๋ถ€์„œ ๋ถ„์„ ์—…๋ฌด์™€ ์—ญํ•  ๋ถ„๋‹ด์„ ๋ช…ํ™•ํžˆ ํ•ด์•ผ ํ•จ

 

17. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

๋ถ„์„ ํ™œ์šฉ ์‹œ๋‚˜๋ฆฌ์˜ค

- ๋ถ„์„ ํ™œ์šฉ ์‹œ๋‚˜๋ฆฌ์˜ค์—์„œ ๊ฐ€์žฅ ์ค‘์š”ํ•œ ๊ฒƒ์€ ๋ฐ์ดํ„ฐ ํ™•๋ณด๋ณด๋‹ค ๋ชฉํ‘œ์™€ ๋ชฉ์ ์ด๋‹ค.

- ๋ชฉํ‘œ์™€ ๋ชฉ์ ์„ ๋ช…ํ™•ํ•˜๊ฒŒ ์ดํ•ดํ•˜๊ณ  ์ •์˜ํ•˜๋Š” ๊ฒƒ์€ ๋ถ„์„ ํ”„๋กœ์ ํŠธ์˜ ํ•ต์‹ฌ ์š”์†Œ ์ค‘ ํ•˜๋‚˜์ด๋‹ค.

- ๋ชฉํ‘œ์™€ ๋ชฉ์ ์„ ์ •์˜ํ•˜์ง€ ์•Š์œผ๋ฉด ๋ฐ์ดํ„ฐ ํ™•๋ณด , ๋ถ„์„ , ๋ฐ ๊ฒฐ๊ณผ์— ๋Œ€ํ•œ ๊ณ„ํš์„ ์ˆ˜๋ฆฝํ•˜๊ธฐ ์–ด๋ ค์šธ ์ˆ˜ ์žˆ๋‹ค.

- ๋ฐ์ดํ„ฐ๋Š” ๋ชฉํ‘œ๋ฅผ ๋‹ฌ์„ฑํ•˜๊ณ  ๋ชฉ์ ์„ ์‹คํ˜„ํ•˜๊ธฐ ์œ„ํ•œ ๋„๊ตฌ๋กœ ์‚ฌ์šฉ๋œ๋‹ค.

 


18. ์ •๋‹ต :  2

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

๋ถ„์„ ๊ธฐํš ์‹œ ๊ณ ๋ ค ์‚ฌํ•ญ

- ๊ฐ€์šฉํ•œ ๋ฐ์ดํ„ฐ : ๋ฐ์ดํ„ฐ์˜ ์œ ํ˜• ๋ถ„์„์ด ์„ ํ–‰์ ์œผ๋กœ ์ด๋ฃจ์–ด์ ธ์•ผ ํ•จ

- ์ ์ ˆํ•œ ์œ ์ฆˆ์ผ€์ด์Šค ํƒ์ƒ‰ : ์œ ์‚ฌ๋ถ„์„ ์‹œ๋‚˜๋ฆฌ์˜ค ์†”๋ฃจ์…˜์ด ์žˆ๋‹ค๋ฉด ์ด๊ฒƒ์„ ์ตœ๋Œ€ํ•œ ํ™œ์šฉ

- ์žฅ์• ์š”์†Œ๋“ค์— ๋Œ€ํ•œ ์‚ฌ์ „ ๊ณ„ํš ์ˆ˜๋ฆฝ ํ•„์š”

*์ผ๋ฐ˜์ ์œผ๋กœ ๋น„์šฉ๊ณผ ๋ถ„์„๋ ฅ์€ ์ƒํ˜ธ ๋ณด์™„์ ์ธ ์š”์†Œ๋กœ ๊ณ ๋ ค๋˜๋ฉฐ, ์ ์ ˆํ•œ ๊ท ํ˜•์„ ์œ ์ง€ํ•ด์•ผ ํ•จ.

 

 

19. ์ •๋‹ต :  ๋ถ„์„ ์ธํ”„๋ผ

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

 

20. ์ •๋‹ต :  ๋””์ž์ธ ์‚ฌ๊ณ 

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

 

21. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

๋‘ ์ง‘๋‹จ ํ‰๊ท ์ด ๋™์ผํ•˜๋‹ค๋ผ๋Š” ๊ท€๋ฌด๊ฐ€์„ค์„ ์ฑ„ํƒํ•  ์ˆ˜ ์žˆ์œผ๋ฏ€๋กœ , ์ˆ˜๋ฉด์œ ๋„์ œ๊ฐ€ 2๊ฐ€ ๋” ํšจ๊ณผ์ ์ด๋ผ ํ•  ์ˆ˜ ์—†๋‹ค.

 

22. ์ •๋‹ต :  2

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

- ํšŒ๊ท€๋ชจํ˜• ํ‰๊ฐ€๋„๊ตฌ : MAE, MAPE, MSE, RMSE, MLSE, RMSLE, ๊ฒฐ์ •๊ณ„์ˆ˜ ๋“ฑ

- ๋ถ„๋ฅ˜๋ชจํ˜• ํ‰๊ฐ€๋„๊ตฌ : ์˜ค๋ถ„๋ฅ˜ํ‘œ (ํ˜ผ๋™ํ–‰๋ ฌ ), ROC ๊ทธ๋ž˜ํ”„ , ํ–ฅ์ƒ๋„ ๊ณก์„  , ์ด์ต๋„ํ‘œ , Kappa ๋“ฑ

- ๊ตฐ์ง‘๋ชจํ˜• ํ‰๊ฐ€๋„๊ตฌ : ์‹ค๋ฃจ์—ฃ ๊ณ„์ˆ˜ (Silhouette Coefficient), Dunn Index ๋“ฑ

 

23. ์ •๋‹ต :  3

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

- ๊ท€๋ฌด๊ฐ€์„ค : ๊ฐ€์„ค๊ฒ€์ •์˜ ๋Œ€์ƒ์ด ๋˜๋Š” ๊ฐ€์„ค, ์—ฐ๊ตฌ์ž๊ฐ€ ๋ถ€์ •ํ•˜๊ณ ์ž ํ•˜๋Š” ๊ฐ€์„ค, ์•Œ๊ณ  ์žˆ๋Š” ๊ฒƒ๊ณผ ๊ฐ™์Œ, ๋ณ€ํ™”, ์˜ํ–ฅ๋ ฅ, ์—ฐ๊ด€์„ฑ, ํšจ๊ณผ ์—†์Œ์— ๋Œ€ํ•œ ๊ฐ€์„ค

- ๋Œ€๋ฆฝ๊ฐ€์„ค : ์—ฐ๊ตฌ์ž๊ฐ€ ์—ฐ๊ตฌ๋ฅผ ํ†ตํ•ด ์ž…์ฆ /์ฆ๋ช…๋˜๊ธฐ๋ฅผ ๊ธฐ๋Œ€ํ•˜๋Š” ์˜ˆ์ƒ์ด๋‚˜ ์ฃผ์žฅ , ๊ท€๋ฌด๊ฐ€์„ค์ด ๊ธฐ๊ฐ๋˜๋ฉด ์ฑ„ํƒ๋˜๋Š” ๊ฐ€์„ค

 

24. ์ •๋‹ต :  4

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

๊ตฐ์ง‘ ๋ถ„์„

- ๊ณ„์ธต์  ๊ตฐ์ง‘ ๋ถ„์„ : ์ตœ์†Œ์—ฐ๊ฒฐ๋ฒ• , ์ตœ์žฅ์—ฐ๊ฒฐ๋ฒ• , ์ค‘์‹ฌ์—ฐ๊ฒฐ๋ฒ• , ํ‰๊ท ์—ฐ๊ฒฐ๋ฒ• , ์™€๋“œ์—ฐ๊ฒฐ๋ฒ•

- ๋น„๊ณ„์ธต์  ๊ตฐ์ง‘ ๋ถ„์„ : K-means, DBSCAN

- ๋น„์ง€๋„ ์‹ ๊ฒฝ๋ง : SOM

์ฐจ์› ์ถ•์†Œ : ์ฃผ์„ฑ๋ถ„ ๋ถ„์„ , ๋‹ค์ฐจ์› ์ฒ™๋„๋ฒ• , ์š”์ธ ๋ถ„์„ ๋“ฑ์ด ์žˆ์Œ

 

25. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

์Šคํ”ผ์–ด๋งŒ ์ƒ๊ด€๊ณ„์ˆ˜

- ๋Œ€์ƒ์ž๋ฃŒ๋Š” ์„œ์—ด์ฒ™๋„ ์‚ฌ์šฉ , ๋‘ ๋ณ€์ˆ˜ ๊ฐ„์˜ ๋น„์„ ํ˜•์ ์ธ ๊ด€๊ณ„๋ฅผ ๋‚˜ํƒ€๋‚ผ ์ˆ˜ ์žˆ์Œ

- ์—ฐ์†ํ˜• ์™ธ์— ์ด์‚ฐํ˜•๋„ ๊ฐ€๋Šฅํ•จ

- ์Šคํ”ผ์–ด๋งŒ ์ƒ๊ด€ ๊ณ„์ˆ˜๋Š” ์›์‹œ ๋ฐ์ดํ„ฐ๊ฐ€ ์•„๋‹ˆ๋ผ ๊ฐ ๋ณ€์ˆ˜์— ๋Œ€ํ•ด ์ˆœ์œ„๋ฅผ ๋งค๊ธด ๊ฐ’์„ ๊ธฐ๋ฐ˜์œผ๋กœ ํ•จ

 

 

26. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

SOM(Self-Organizing Maps)

- ์ธ๊ณต์‹ ๊ฒฝ๋ง์˜ ํ•œ ์ข…๋ฅ˜๋กœ , ์ฐจ์›์ถ•์†Œ์™€ ๊ตฐ์ง‘ํ™”๋ฅผ ๋™์‹œ์— ์ˆ˜ํ–‰ํ•˜๋Š” ๊ธฐ๋ฒ•

- ๋น„์ง€๋„ ํ•™์Šต (Unsupervised Learning)์˜ ํ•œ ๊ฐ€์ง€ ๋ฐฉ๋ฒ•

- ๊ณ ์ฐจ์›์œผ๋กœ ํ‘œํ˜„๋œ ๋ฐ์ดํ„ฐ๋ฅผ ์ €์ฐจ์›์œผ๋กœ ๋ณ€ํ™˜ํ•ด์„œ ๋ณด๋Š”๋ฐ ์œ ์šฉํ•จ

- ์ž…๋ ฅ์ธต๊ณผ 2์ฐจ์›์˜ ๊ฒฉ์ž ํ˜•ํƒœ์˜ ๊ฒฝ์Ÿ์ธต (=์ถœ๋ ฅ์ธต ) ์œผ๋กœ ์ด๋ฃจ์–ด์ ธ ์žˆ์Œ (2๊ฐœ์˜ ์ธต์œผ๋กœ ๊ตฌ์„ฑ )

 

27. ์ •๋‹ต :  3

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

์ฃผ์„ฑ๋ถ„๋ถ„์„ (PCA, Principal Component Analysis)

- ๊ณต๋ถ„์‚ฐํ–‰๋ ฌ ๋˜๋Š” ์ƒ๊ด€๊ณ„์ˆ˜ ํ–‰๋ ฌ์„ ์‚ฌ์šฉํ•ด ๋ชจ๋“  ๋ณ€์ˆ˜๋“ค์„ ๊ฐ€์žฅ ์ž˜ ์„ค๋ช…ํ•˜๋Š” ์ฃผ์„ฑ๋ถ„์„ ์ฐพ๋Š” ๋ฐฉ๋ฒ•

- ์ƒ๊ด€๊ด€๊ณ„๊ฐ€ ์žˆ๋Š” ๋ณ€์ˆ˜๋“ค์„ ์„ ํ˜• ๊ฒฐํ•ฉ์— ์˜ํ•ด ์ƒ๊ด€๊ด€๊ณ„๊ฐ€ ์—†๋Š” ์ƒˆ๋กœ์šด ๋ณ€์ˆ˜ (์ฃผ์„ฑ๋ถ„ )๋ฅผ ๋งŒ๋“ค๊ณ  ๋ถ„์‚ฐ์„ ๊ทน๋Œ€ํ™”ํ•˜๋Š” ๋ณ€์ˆ˜๋กœ ์ถ•์•ฝํ•จ

- ์ฃผ์„ฑ๋ถ„์€ ๋ณ€์ˆ˜๋“ค์˜ ์„ ํ˜•๊ฒฐํ•ฉ์œผ๋กœ ์ด๋ฃจ์–ด์ ธ ์žˆ์Œ

- ๋…๋ฆฝ๋ณ€์ˆ˜๋“ค๊ณผ ์ฃผ์„ฑ๋ถ„๊ณผ์˜ ๊ฑฐ๋ฆฌ์ธ '์ •๋ณด์†์‹ค๋Ÿ‰'์„ ์ตœ์†Œํ™”ํ•˜๊ฑฐ๋‚˜ ๋ถ„์‚ฐ์„ ์ตœ๋Œ€ํ™” ํ•จ

 

 

28. ์ •๋‹ต :  3

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

๋…๋ฆฝ์‚ฌ๊ฑด : A์˜ ๋ฐœ์ƒ์ด B๊ฐ€ ๋ฐœ์ƒํ•  ํ™•๋ฅ ์„ ๋ฐ”๊พธ์ง€ ์•Š๋Š” ์‚ฌ๊ฑด

๋‘ ์‚ฌ๊ฑด A, B๊ฐ€ ๋…๋ฆฝ์ด๋ฉด P(B|A)=P(B)์ด๋‹ค.

 

์กฐ๊ฑด๋ถ€ํ™•๋ฅ  : ์‚ฌ๊ฑด B๊ฐ€ ๋ฐœ์ƒํ–ˆ๋‹ค๋Š” ์กฐ๊ฑด ์•„๋ž˜์„œ ์‚ฌ๊ฑด A๊ฐ€ ๋ฐœ์ƒํ•  ์กฐ๊ฑด๋ถ€ ํ™•๋ฅ ์ด๋‹ค.

์กฐ๊ฑด๋ถ€ํ™•๋ฅ ์—์„œ P(A|B) = P(AB) / P(B), ๋‹จ P(B) > 0

 

29. ์ •๋‹ต :  3

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

TV๊ด‘๊ณ ๊ฐ€ ์ฆ๊ฐ€ํ•จ์— ๋”ฐ๋ผ ๋ถ„์‚ฐ (ํผ์ง ์ •๋„ )๋„ ์ฆ๊ฐ€๋˜๋Š” ๊ฒƒ์„ ๋ณผ ์ˆ˜ ์žˆ๋‹ค.

 

 

30. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

Salary์˜ ๊ฒฝ์šฐ Median < Mean ์ด๋ฏ€๋กœ ์˜ค๋ฅธ์ชฝ์œผ๋กœ ๊ผฌ๋ฆฌ๊ฐ€ ๊ธด ๋ถ„ํฌ์ด๋‹ค.

 

31. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

๋ณต์›์ถ”์ถœ๋ฒ•

- ์ถ”์ถœ๋˜์—ˆ๋˜ ๋ฐ์ดํ„ฐ๋ฅผ ๋‹ค์‹œ ํ‘œ๋ณธ์ง‘๋‹จ์— ํฌํ•จ์‹œ์ผœ ๋‹ค์‹œ ์ถ”์ถœ๋  ์ˆ˜ ์žˆ๋Š” ๋ฐฉ๋ฒ•์˜ ์ถ”์ถœ๋ฒ•์œผ๋กœ

Bootstrap ์ด ๋Œ€ํ‘œ์ ์ธ ๋ณต์›์ถ”์ถœ๋ฒ•์ด๋‹ค.

<์•Œ์•„๋‘๊ธฐ> ๋ถ“์ŠคํŠธ๋žฉํ•‘ (Bootstrapping) ์ƒ˜ํ”Œ ์ถ”์ถœ

- ์ƒ˜ํ”Œ์ด ๋ฝ‘ํž ํ™•๋ฅ  : ๐Ÿ/๐’…
- ์ƒ˜ํ”Œ์ด ๋ฝ‘ํžˆ์ง€ ์•Š์„ ํ™•๋ฅ  : ๐Ÿ−๐Ÿ/๐’…

์ƒ˜ํ”Œ์ด ๋ฝ‘ํžˆ์ง€ ์•Š์„ ํ™•๋ฅ ์„ d๋ฒˆ ๊ณฑํ•ด์„œ ๊ตฌํ•˜๋ฉด ๋‹ค์Œ๊ณผ ๊ฐ™์ด ๊ตฌํ•  ์ˆ˜ ์žˆ์Œ 
P(ํ•œ ๋ฒˆ๋„ ๋ฝ‘ํžˆ์ง€์•Š์Œ ) = (๐Ÿ−๐Ÿ/๐’…)^๐’…

 

32. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

sunflower์˜ ๊ฒฝ์šฐ ์ด์ƒ์น˜๊ฐ€ ์กด์žฌํ•œ๋‹ค

 

 

33. ์ •๋‹ต :  3

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

์ฒ™๋„์˜ ์ข…๋ฅ˜

- ๋น„์œจ์ฒ™๋„ (Ratio scale) ์ ˆ๋Œ€ 0์ ์ด ์กด์žฌํ•˜์—ฌ ์ธก์ •๊ฐ’ ์‚ฌ์ด์˜ ๋น„์œจ ๊ณ„์‚ฐ์ด ๊ฐ€๋Šฅํ•œ ์ฒ™๋„๋กœ ์‚ฌ์น™์—ฐ์‚ฐ์ด ๊ฐ€๋Šฅํ•˜๋‹ค.

- ๋“ฑ๊ฐ„์ฒ™๋„ (๊ตฌ๊ฐ„์ฒ™๋„ ) : ์ˆœ์œ„๋ฅผ ๋ถ€์—ฌํ•˜๋˜ ์ˆœ์œ„ ์‚ฌ์ด์˜ ๊ฐ„๊ฒฉ์ด ๋™์ผํ•˜์—ฌ ์–‘์ ์ธ ๋น„๊ต๊ฐ€ ๊ฐ€๋Šฅ(๋ง์…ˆ , ๋บ„์…ˆ ๊ฐ€๋Šฅ ), ์ ˆ๋Œ€ 0์  ์กด์žฌํ•˜์ง€ ์•Š์Œ (์˜จ๋„๊ณ„ ์ˆ˜์น˜, ๋ฌผ๊ฐ€์ง€์ˆ˜ )

 

34. ์ •๋‹ต :  4

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

์—ฐ๊ด€ ๋ถ„์„์˜ ๋‹จ์ 

- ๋ถ„์„ ํ’ˆ๋ชฉ ์ˆ˜๊ฐ€ ์ฆ๊ฐ€ํ•˜๋ฉด ๋ถ„์„ ๊ณ„์‚ฐ์ด ๊ธฐํ•˜๊ธ‰์ˆ˜์ ์œผ๋กœ ์ฆ๊ฐ€ํ•จ

- ๋„ˆ๋ฌด ์„ธ๋ถ„ํ™”๋œ ํ’ˆ๋ชฉ์„ ๊ฐ€์ง€๊ณ  ์—ฐ๊ด€๊ทœ์น™์„ ์ฐพ์œผ๋ ค๋ฉด ์˜๋ฏธ ์—†๋Š” ๋ถ„์„ ๊ฒฐ๊ณผ๊ฐ€ ๋„์ถœ๋จ

- ์ƒ๋Œ€์  ๊ฑฐ๋ž˜๋Ÿ‰์ด ์ ์œผ๋ฉด ๊ทœ์น™ ๋ฐœ๊ฒฌ ์‹œ ์ œ์™ธ๋˜๊ธฐ ์‰ฌ์›€

์—ฐ๊ด€ ๋ถ„์„์˜ ์žฅ์ 

- ์กฐ๊ฑด๋ฐ˜์‘ (if-then)์œผ๋กœ ํ‘œํ˜„๋˜๋Š” ์—ฐ๊ด€ ๋ถ„์„์˜ ๊ฒฐ๊ณผ๋ฅผ ์ดํ•ดํ•˜๊ธฐ ์‰ฌ์›€

- ๊ฐ•๋ ฅํ•œ ๋น„๋ชฉ์ ์„ฑ ๋ถ„์„ ๊ธฐ๋ฒ•์ด๋ฉฐ , ๋ถ„์„ ๊ณ„์‚ฐ์ด ๊ฐ„ํŽธํ•จ

 

35. ์ •๋‹ต :  2

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

ํ™€๋“œ์•„์›ƒ (Hold Out)

- Training Data : ํ•™์Šต์šฉ ๋ฐ์ดํ„ฐ

- Test Data : ํ•™์Šต ์ข…๋ฃŒ ํ›„ ์„ฑ๋Šฅ ํ™•์ธ (๋ชจ๋ธ ํ‰๊ฐ€ )์šฉ ๋ฐ์ดํ„ฐ

- Validation Data : ํ•™์Šต๋‹จ๊ณ„์—์„œ ์‚ฌ์šฉ๋˜๋ฉฐ , ํ•™์Šต ์ค‘ ์„ฑ๋Šฅ ํ™•์ธ์šฉ ๋ฐ์ดํ„ฐ (Overfitting ์—ฌ๋ถ€ ํ™•์ธ , Early Stopping ๋“ฑ์„ ์œ„ํ•ด ์‚ฌ์šฉ )

 

36. ์ •๋‹ต :  3

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

ํ‘œ์ค€์˜ค์ฐจ

- ํ‘œ๋ณธ ์ง‘๋‹จ์˜ ํ‰๊ท ๊ฐ’์ด ์‹ค์ œ ๋ชจ์ง‘๋‹จ์˜ ํ‰๊ท ๊ฐ’๊ณผ ์–ผ๋งˆ๋‚˜ ์ฐจ์ด๊ฐ€ ์žˆ๋Š”์ง€ ๋‚˜ํƒ€๋ƒ„

- ๋ชจ์ง‘๋‹จ์—์„œ ์ƒ˜ํ”Œ์„ ๋ฌดํ•œ ๋ฒˆ ๋ฝ‘์•„์„œ ๊ฐ ์ƒ˜ํ”Œ๋งˆ๋‹ค ํ‰๊ท ์„ ๊ตฌํ–ˆ์„ ๋•Œ , ๊ทธ ํ‰๊ท ๋“ค์˜ ํ‘œ์ค€ํŽธ์ฐจ๋ฅผ ๋งํ•จ

- ํ‘œ๋ณธํ‰๊ท ์ด ๋ชจํ‰๊ท ๊ณผ ์–ผ๋งˆ๋‚˜ ๋–จ์–ด์ ธ ์žˆ๋Š”๊ฐ€๋ฅผ ๋‚˜ํƒ€๋ƒ„ , ๐’์ด ํด์ˆ˜๋ก ์ž‘์€ ๊ฐ’

- SE(Standard error) = (์›์‹œ๋ฐ์ดํ„ฐ์˜ ํ‘œ์ค€ํŽธ์ฐจ)/(ํ‰๊ท ๊ฐ’ ๊ณ„์‚ฐ์— ์‚ฌ์šฉํ•œ ๋ฐ์ดํ„ฐ ์ˆ˜) = σ/๐’ ๐’”/๐’

 

* ์‹ ๋ขฐ์ˆ˜์ค€ 95%๋Š” ์ƒ˜ํ”Œ์„ ๋žœ๋คํ•˜๊ฒŒ 100๋ฒˆ ์ถ”์ถœํ•ด์„œ ์ด์ค‘์— 95๋ฒˆ์ด ์‹ ๋ขฐ๊ตฌ๊ฐ„์— ๋ชจ์ˆ˜์˜ ์ฐธ ๊ฐ’์ด ํฌํ•จ๋˜์–ด ์žˆ์Œ์„ ๋‚˜ํƒ€๋‚ธ๋‹ค.

 

 

37. ์ •๋‹ต :  2

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

์ง€๋‹ˆ์ง€์ˆ˜ ๊ณต์‹
์ง€๋‹ˆ์ง€์ˆ˜ ์‹ : 
1 - ∑(๊ฐ ๋ฒ”์ฃผ๋ณ„์ˆ˜/์ „์ฒด์ˆ˜ )^2 
= 1 – ((1/5)^2 + (4/5)^ 2 ) 
= 1 - (1/25 + 16/25) = 8/25 = 0.32

 

38. ์ •๋‹ต :  3

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

์ง€์ง€๋„ = A์™€ B๊ฐ€ ๋™์‹œ์— ํฌํ•จ๋œ ๊ฑฐ๋ž˜ ์ˆ˜ / ์ „์ฒด ๊ฑฐ๋ž˜ ์ˆ˜

์ง€์ง€๋„ = 3 / 6 = 0.5

 

 

39. ์ •๋‹ต :  2

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

- ํ–ฅ์ƒ๋„ : A๊ฐ€ ์ฃผ์–ด์ง€์ง€ ์•Š์•˜์„ ๋•Œ B์˜ ํ™•๋ฅ  ๋Œ€๋น„ A๊ฐ€ ์ฃผ์–ด์กŒ์„ ๋•Œ B์˜ ํ™•๋ฅ  ์ฆ๊ฐ€ ๋น„์œจ
- ํ’ˆ๋ชฉ B๋ฅผ ๊ตฌ๋งคํ•œ ๊ณ ๊ฐ ๋Œ€๋น„ ํ’ˆ๋ชฉ A๋ฅผ ๊ตฌ๋งคํ•œ ํ›„ ํ’ˆ๋ชฉ B๋ฅผ ๊ตฌ๋งคํ•˜๋Š” ๊ณ ๊ฐ์— ๋Œ€ํ•œ ํ™•๋ฅ 
- ํ–ฅ์ƒ๋„ =P(B|A)/P(B) = P(A∩B) / (P(A)*P(B))
- A = ๋”ธ๊ธฐ , B = ์‚ฌ๊ณผ
ํ–ฅ์ƒ๋„ = (0.3) / (0.7* 0.45)

 

 

40. ์ •๋‹ต :  1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

์•™์ƒ๋ธ” (Ensemble) ๋ชจํ˜•

– ๋ณดํŒ… (voting) : ์„œ๋กœ ๋‹ค๋ฅธ ์—ฌ๋Ÿฌ ๊ฐœ์˜ ๋ชจํ˜•์„ ์ƒ์„ฑํ•˜๊ณ  ๊ฒฐ๊ณผ๋ฅผ ์ง‘๊ณ„ํ•˜์—ฌ ๋งŽ์€ ํ‘œ๋ฅผ ๋ฐ›์€ ๊ฒƒ์„ ๋‹ต์œผ๋กœ ํ•˜๋Š” ๋ฐฉ์‹

- ๋ถ€์ŠคํŒ… (boosting) : ์ˆœ์ฐจ์ ์ธ ํ•™์Šต , ๋ถ“์ŠคํŠธ๋žฉ ํ‘œ๋ณธ์„ ๊ตฌ์„ฑํ•˜๋Š” ์žฌํ‘œ๋ณธ ๊ณผ์ •์—์„œ ๋ถ„๋ฅ˜๊ฐ€ ์ž˜๋ชป๋œ ๋ฐ์ดํ„ฐ์— ๋” ํฐ ๊ฐ€์ค‘์น˜๋ฅผ ์ฃผ์–ด ํ‘œ๋ณธ์„ ์ถ”์ถœํ•˜๋Š” ๊ธฐ๋ฒ•

- ์Šคํƒœํ‚น (stacking) : ๋‘ ๋‹จ๊ณ„์˜ ํ•™์Šต์„ ์‚ฌ์šฉํ•˜๋Š” ๋ฐฉ์‹์œผ๋กœ ์„œ๋กœ ๋‹ค๋ฅธ ์—ฌ๋Ÿฌ ๋ชจํ˜•์˜ ์˜ˆ์ธก ๊ฒฐ๊ณผ๋ฅผ ๋‹ค์‹œ ํ•™์Šต๋ฐ์ดํ„ฐ๋กœ ํ•˜๋Š” ๋ชจํ˜•์„ ์‚ฌ์šฉํ•จ

 

41. ์ •๋‹ต :  2

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค

๊ตฐ์ง‘๋ถ„์„

- ์ง‘๋‹จ๊ฐ„ ์ด์งˆํ™” , ์ง‘๋‹จ๋‚ด ๋™์งˆํ™”๊ฐ€ ๋ชจ๋‘ ๋†’์€ ๊ฒƒ์„ ๊ตฐ์ง‘์œผ๋กœ ์„ ํƒํ•œ๋‹ค.

 

 

 

42. ์ •๋‹ต :  4

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

Drop-out : ๋”ฅ๋Ÿฌ๋‹์—์„œ ๊ณผ๋Œ€์ ํ•ฉ ๋ฐฉ์ง€๋ฅผ ์œ„ํ•ด ๋…ธ๋“œ์˜ ์ผ๋ถ€๋ฅผ ๋žœ๋คํ•˜๊ฒŒ ํ•™์Šตํ•˜์ง€ ๋ชปํ•˜๊ฒŒ ํ•˜๋Š” ๊ธฐ๋ฒ•

Mini-Batch : ๋‹จ์œ„ ๋ณ„๋กœ ์ชผ๊ฐœ์„œ ํ•™์Šตํ•˜๋Š” ๊ฒƒ์œผ๋กœ ๋ฐ์ดํ„ฐ๋ฅผ ์ผ์ •ํ•œ ํฌ๊ธฐ๋กœ ๋‚˜๋ˆ„์–ด ๋ชจํ˜•์„ ๊ตฌ์„ฑํ•จ

Bagging : ๋ฌด์ž‘์œ„ ๋…ธ๋“œ ์„ ์ •์ด ์•„๋‹Œ Bootstrap ๋ฐฉ์‹์œผ๋กœ ๋…ธ๋“œ๋ฅผ ์„ ์ •ํ•˜๋Š” ๋ฐฉ๋ฒ•์„ ์‚ฌ์šฉ

AdaBoost : ๊ฐ•ํ•œ ๋ถ„๋ฅ˜๊ธฐ๋ฅผ ์•ฝํ•œ ๋ถ„๋ฅ˜๊ธฐ๋กœ ํ•™์Šต์‹œํ‚ค๋Š” ์•™์ƒ๋ธ” ๋ฐฉ๋ฒ•์œผ๋กœ, ๊ฐ ๋ชจ๋ธ์€ ์ด์ „ ๋ชจ๋ธ์˜ ์—๋Ÿฌ๋ฅผ ๋ณด์™„ํ•˜๋„๋ก ๊ฐ€์ค‘์น˜๋ฅผ ์กฐ์ ˆํ•˜๋ฉด์„œ ์ˆœ์ฐจ์ ์œผ๋กœ ํ•™์Šต๋œ๋‹ค. ์ด๋•Œ ๊ฐ ๋ชจ๋ธ์€ ์ด์ „ ๋ชจ๋ธ์ด ์ž˜๋ชป ๋ถ„๋ฅ˜ํ•œ ์ƒ˜ํ”Œ์— ์ง‘์ค‘ํ•˜์—ฌ ํ•™์Šต

 

43. ์ •๋‹ต : 3

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

์ถ”์ •๋œ ํšŒ๊ท€์‹์€ weight = 24.4654 + 7.9879 * Time ์ด๋ฏ€๋กœ Time์ด 1 ๋‹จ์œ„ ์ฆ๊ฐ€ํ•˜๋ฉด weight๊ฐ€ ํ‰๊ท ์ ์œผ๋กœ 7.9879 ์ฆ๊ฐ€ํ•œ๋‹ค.

 

 

44. ์ •๋‹ต : 1

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

๋‹ค์ค‘ ๊ณต์„ ์„ฑ

- ๋ชจํ˜•์˜ ์ผ๋ถ€ ์„ค๋ช…๋ณ€์ˆ˜ (=์˜ˆ์ธก๋ณ€์ˆ˜ )๊ฐ€ ๋‹ค๋ฅธ ์„ค๋ช…๋ณ€์ˆ˜์™€ ์ƒ๊ด€๋˜์–ด ์žˆ์„ ๋•Œ ๋ฐœ์ƒํ•˜๋Š” ์กฐ๊ฑด

- ์ค‘๋Œ€ํ•œ ๋‹ค์ค‘๊ณต์„ ์„ฑ์€ ํšŒ๊ท€๊ณ„์ˆ˜์˜ ๋ถ„์‚ฐ์„ ์ฆ๊ฐ€์‹œ์ผœ ๋ถˆ์•ˆ์ •ํ•˜๊ณ  ํ•ด์„ํ•˜๊ธฐ ์–ด๋ ต๊ฒŒ ๋งŒ๋“ค๊ธฐ ๋•Œ๋ฌธ์— ๋ฌธ์ œ๊ฐ€ ๋จ

์ฃผ์„ฑ๋ถ„ ๋ถ„์„

- ์ฃผ์„ฑ๋ถ„๋ถ„์„์€ ๋น„์ง€๋„ํ•™์Šต์œผ๋กœ ํšŒ๊ท€๋ถ„์„์˜ ๋‹ค์ค‘๊ณต์„ ์„ฑ ๋ฌธ์ œ ํ•ด๊ฒฐ์„ ์œ„ํ•ด ์‚ฌ์šฉํ•œ๋‹ค.

- ์ฐจ์› ์ถ•์†Œ , ์ด์ƒ์น˜ ํƒ์ง€ , ์ž๋ฃŒ์˜ ๊ทธ๋ฃนํ™”์— ์‚ฌ์šฉํ•  ์ˆ˜ ์žˆ๋‹ค.

- ์ฃผ์„ฑ๋ถ„๋ถ„์„์€ ๋ชฉํ‘œ๋ณ€์ˆ˜๋ฅผ ๊ณ ๋ คํ•ด ๋ชฉํ‘œ๋ณ€์ˆ˜๋ฅผ ์ž˜ ์˜ˆ์ธก /๋ถ„๋ฅ˜ํ•  ์ˆ˜ ์žˆ๋Š” ์„ ํ˜•๊ฒฐํ•ฉ์œผ๋กœ ์ด๋ฃจ์–ด์ง„ ๋ช‡ ๊ฐœ์˜ ์ฃผ์„ฑ๋ถ„์„ ์ฐพ์•„๋‚ด๊ธฐ ์œ„ํ•œ ๊ฒƒ์ด๋‹ค.

 

 

 

45. ์ •๋‹ต :  ์ •์ƒ์„ฑ

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

[์ฐธ๊ณ  ] ์ •์ƒ ์‹œ๊ณ„์—ด์˜ ์กฐ๊ฑด
- ํ‰๊ท ์€ ๋ชจ๋“  ์‹œ์  (์‹œ๊ฐ„ t)์— ๋Œ€ํ•ด ์ผ์ •ํ•˜๋‹ค ๐‘ฌ(๐’™_๐’•) =๐
- ๋ถ„์‚ฐ์€ ๋ชจ๋“  ์‹œ์  (์‹œ๊ฐ„ t)์— ๋Œ€ํ•ด ์ผ์ •ํ•˜๋‹ค ๐‘ฝ๐’‚๐’“(๐’™_๐’•) =๐ˆ^๐Ÿ
- ๊ณต๋ถ„์‚ฐ์€ ์‹œ์  (์‹œ๊ฐ„ t)์— ์˜์กดํ•˜์ง€ ์•Š๊ณ  , ๋‹จ์ง€ ์‹œ์ฐจ์—๋งŒ ์˜์กดํ•œ๋‹ค ๐‘ช๐’๐’—(๐’™_(๐’•+๐’‰),๐’™_๐’•) =๐œธ_๐’‰

 

46. ์ •๋‹ต :  1/5

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

์˜ค๋ถ„๋ฅ˜ํ‘œ๋ฅผ ํ™œ์šฉํ•œ ํ‰๊ฐ€ ์ง€ํ‘œ
F1 = 2 * (Precision * Recall) / (Precision + Recall)
Precision = TP / (TP + FP) = 15 / 75 = 1/5
Recall = TP / (TP + FN) = 15 / 75 = 1/5
= 2 * (1/5 * 1/5) / (1/5 + 1/5) = 2/25 / 2/5 = 10/50 = 1/5
Precision, Recall์ด ๊ฐ™์œผ๋ฉด F1๋„ ๊ฐ™์Šต๋‹ˆ๋‹ค.

 

 

47. ์ •๋‹ต :  ์ตœ๋Œ“๊ฐ’

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

์ตœ๋‹จ ์—ฐ๊ฒฐ๋ฒ• – ๋‹จ์ผ์—ฐ๊ฒฐ๋ฒ•์ด๋ผ๋„๋กœ ํ•˜๋ฉฐ , ๋‘ ๊ตฐ์ง‘ ์‚ฌ์ด์˜ ๊ฑฐ๋ฆฌ๋ฅผ ๊ตฐ์ง‘์—์„œ ํ•˜๋‚˜์”ฉ ๊ด€์ธก ๊ฐ’์„ ๋ฝ‘์•˜์„ ๋•Œ ๋‚˜ํƒ€๋‚  ์ˆ˜ ์žˆ๋Š” ๊ฑฐ๋ฆฌ์˜ ์ตœ์†Ÿ๊ฐ’์„ ์ธก์ •ํ•œ๋‹ค.

์ตœ์žฅ ์—ฐ๊ฒฐ๋ฒ• (์™„์ „ ์—ฐ๊ฒฐ๋ฒ• ) – ๋‘ ๊ตฐ์ง‘ ์‚ฌ์ด์˜ ๊ฑฐ๋ฆฌ๋ฅผ ๊ตฐ์ง‘์—์„œ ํ•˜๋‚˜์”ฉ ๊ด€์ธก ๊ฐ’์„ ๋ฝ‘์•˜์„ ๋•Œ ๋‚˜ํƒ€๋‚  ์ˆ˜ ์žˆ๋Š” ๊ฑฐ๋ฆฌ์˜ ์ตœ๋Œ“๊ฐ’์„ ์ธก์ •ํ•œ๋‹ค.

 

48. ์ •๋‹ต :  57.5%

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : ์ฃผ์„ฑ๋ถ„ 1๊ฐœ๋ฅผ ์‚ฌ์šฉํ–ˆ์„ ๋•Œ์˜ ๋ถ„์‚ฐ์€ PC1์˜ Proportion of Variance๋ฅผ ๋ณด๊ณ  ํŒ๋‹จํ•  ์ˆ˜ ์žˆ๋‹ค.

 

49. ์ •๋‹ต :  ์œ ์ „ ์•Œ๊ณ ๋ฆฌ์ฆ˜ (์œ ์ „์ž ์•Œ๊ณ ๋ฆฌ์ฆ˜)

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค : 

 

50. ์ •๋‹ต :  ์ธตํ™” ์ถ”์ถœ๋ฒ•

๐Ÿ“–๋ฌธ์ œํ™•์ธ

 

ํ•ด์„ค :

 

- ๋‹จ์ˆœ ๋ฌด์ž‘์œ„ ์ถ”์ถœ๋ฒ• ๋ชจ ์ง‘๋‹จ์˜ ๊ฐ ๊ฐœ์ฒด๊ฐ€ ํ‘œ๋ณธ์œผ๋กœ ์„ ํƒ๋  ํ™•๋ฅ ์ด ๋™์ผํ•˜๊ฒŒ ์ถ”์ถœ๋˜๋Š” ๊ฒฝ์šฐ
- ๊ตฐ์ง‘ ์ถ”์ถœ๋ฒ• ๋ชจ์ง‘๋‹จ์„ ์ฐจ์ด๊ฐ€ ์—†๋Š” ์—ฌ๋Ÿฌ ๊ฐœ์˜ ์ง‘๋‹จ(cluster)๋กœ ๋‚˜๋ˆ„๊ณ , ์ด๋“ค ์ง‘๋‹จ ์ค‘ ๋ช‡ ๊ฐœ๋ฅผ ์„ ํƒ ํ•œ ํ›„, ์„ ํƒ๋œ ์ง‘๋‹จ ๋‚ด์—์„œ ํ•„์š”ํ•œ ๋งŒํผ์˜ ํ‘œ๋ณธ์„ ์ž„์˜๋กœ ์„ ํƒํ•จ
- ๊ณ„ํ†ต ์ถ”์ถœ๋ฒ• ๋ชจ์ง‘๋‹จ ๊ฐœ์ฒด์— 1, 2, ..., N ์ด๋ผ๋Š” ์ผ๋ จ๋ฒˆํ˜ธ๋ฅผ ๋ถ€์—ฌํ•œ ํ›„, ์ฒซ ๋ฒˆ์งธ ํ‘œ๋ณธ์„ ์ž„์˜๋กœ ์„ ํƒํ•˜๊ณ  ์ผ์ • ๊ฐ„๊ฒฉ์œผ๋กœ ๋‹ค์Œ ํ‘œ๋ณธ์„ ์„ ํƒํ•จ

 

 

 

ADsP 38ํšŒ ๊ธฐ์ถœ๋ฌธ์ œ๋ณต์› / ์ •๋‹ต ์ถœ์ฒ˜ : ์œ ํŠœ๋ธŒ EduAtoZ๐Ÿ‘จ๐Ÿป‍๐Ÿ’ป๐Ÿ‘ฉ๐Ÿป‍๐Ÿ’ป

300x250

์ฝ”๋“œ