머신러닝 인터뷰 실무 가이드

182

머신러닝 인터뷰 실무 가이드

이 책에서 다룰 범위를 넘어서는

EDA

의 자세한 내용은 글렌

J

. 마이어트와 웨인

P

. 존슨이

집필한 『

Making

Sense

of

Data

:

A

Practical

Guide

to

Exploratory

Data

Analysis

and

Data

Mining

』(

Wiley

,

2006

)를 읽어볼 것을 권장드립니다.

이제 몇 번의 반복을 거쳐

EDA

를 완료하여 의사 결정 단계에 도달했다고 가정해봅시다. 데

이터가 (지금 당장은 ) 다음 단계를 진행하기에 충분히 타당해 보이거나, 더 많은 데이터 또

는 다른 데이터 세트를 확보해야 한다고 판단할 수도 있습니다. 이 과정을 계속 반복하세요.

TIP

인터뷰어가 머신러닝 문제가 발생했을 때 어떻게 대처할 것인지를 물어본다면 여러분이 데이터 원본

을 확보한 후

EDA

를 하겠다고 언급하기를 기대하고 있는 것입니다. 단순히 사전에 정제된 데이터 세트를 사

용하는 것이 아니라 데이터를 비판적으로 살펴보고 결함까지 찾아낼 수 있다는 것을 보여주는 것이 중요합

니다.

피처 엔지니어링 소개

데이터를 탐색하고 모델 학습을 위한 좋은 출발점을 찾을 때까지 반복했다면, 이젠 피처 엔

지니어링에 착수할 시점입니다. 머신러닝에서 피처

Feature

는 머신러닝 모델에 대한 입력값을

가리킵니다. 피처 엔지니어링의 목표는 ...