AIDE 2급 대비 예상 문제(9차)

AIDE 2급 대비 예상 문제 (9차)

1. 데이터를 분석하는 궁극적인 목표는 무엇인가요?

데이터 저장 공간을 효율적으로 관리하는 것 미래 행동을 예측하고 의사결정에 영향을 주는 것 데이터의 양을 최대한 많이 확보하는 것 데이터 수집 기술을 개발하는 것

힌트: 데이터 분석을 통해 얻고자 하는 가장 중요한 결과는 무엇일까요?

2. 데이터 시각화가 중요한 이유로 가장 적절한 것은?

데이터의 양을 줄여 저장 공간을 절약하기 위해 데이터를 직관적으로 이해하고 통찰력을 얻기 위해 데이터 수집 속도를 향상시키기 위해 데이터의 보안을 강화하기 위해

힌트: 복잡한 데이터를 사람들이 쉽게 이해하도록 돕는 역할에 초점을 맞춰보세요.

3. Anaconda 배포판에서 프로젝트별로 독립적인 Python 환경을 생성하고 관리하는 데 사용되는 도구는 무엇인가요?

pip Conda Jupyter Notebook Spyder

힌트: Anaconda의 핵심 환경 관리 도구 이름을 떠올려보세요.

4. 인공지능 윤리 원칙 중, AI 시스템의 동작 과정과 결정에 대해 이해하고 설명할 수 있어야 하며, 오류 발생 시 명확하게 그 원인을 밝히고 책임을 규명할 수 있어야 한다는 원칙은 무엇인가요?

공정성 투명성 책임성 개인정보 보호

힌트: AI의 결정과 결과에 대해 누가 어떤 의무를 져야 하는지에 대한 원칙입니다.

5. 머신러닝 알고리즘 중, 선형 회귀는 연속적인 수치를 예측하는 데 사용되는 반면, 로지스틱 회귀는 주로 어떤 문제 해결에 사용되나요?

군집화 (Clustering) 차원 축소 (Dimensionality Reduction) 분류 (Classification) 특징 추출 (Feature Extraction)

힌트: 로지스틱 회귀는 '예/아니오', '성공/실패'와 같은 이진 예측에 주로 사용됩니다.

6. 단일 퍼셉트론(Perceptron)이 해결할 수 없는 비선형 문제(XOR 문제 등)를 해결하기 위해 등장한 딥러닝 모델로, 여러 개의 은닉층을 포함하는 것은 무엇인가요?

CNN (Convolutional Neural Network) RNN (Recurrent Neural Network) MLP (Multi Layer Perceptron) GAN (Generative Adversarial Network)

힌트: 퍼셉트론의 한계를 극복하기 위해 '다층' 구조를 가진 신경망을 찾아보세요.

7. 이미지 내의 얼굴, 신체 등에서 눈, 코, 입, 관절 등 특정 지점을 점으로 표시하는 컴퓨터 비전 기술은 무엇인가요?

바운딩 박스 (Bounding Box) 폴리곤 (Polygon) 얼굴 랜드마크 (Facial Landmark) 세그멘테이션 (Segmentation)

힌트: 사람 얼굴이나 신체의 주요 특징점을 인식하는 기술을 떠올려보세요.

8. 한국어 자연어 처리에서 '토큰화(Tokenization)'의 결과로 얻을 수 있는 대표적인 두 가지 단위는 무엇인가요?

단락과 문단 어절과 형태소 문장과 어휘 음소와 음절

힌트: 띄어쓰기 단위와 그보다 작은 의미 단위의 차이를 생각해보세요.

9. 인공지능 학습용 데이터 구축의 일반적인 과정 순서로 옳은 것은?

데이터 정제 → 데이터 획득/수집 → 데이터 가공 → 구축계획 수립 데이터 가공 → 데이터 정제 → 데이터 획득/수집 → 구축계획 수립 구축계획 수립 → 데이터 획득/수집 → 데이터 정제 → 데이터 가공 데이터 획득/수집 → 구축계획 수립 → 데이터 가공 → 데이터 정제

힌트: 가장 먼저 프로젝트를 계획하고, 그 다음 데이터를 준비하는 순서를 생각해보세요.

10. 이미지 또는 영상에 나타난 상황이나 객체를 설명하는 텍스트를 생성하는 데이터 라벨링 유형은 무엇인가요?

키워드 추출 (Keyword Extraction) 텍스트 캡션 (Text Caption) 번역 (Translation) 텍스트 요약 (Text Summarization)

힌트: 이미지나 영상의 내용을 '설명하는 글'을 만드는 라벨링을 찾아보세요.

q1: 1, // 미래 행동을 예측하고 의사결정에 영향을 주는 것
q2: 1, // 데이터를 직관적으로 이해하고 통찰력을 얻기 위해
q3: 1, // Conda
q4: 2, // 책임성
q5: 2, // 분류 (Classification)
q6: 2, // MLP (Multi Layer Perceptron)
q7: 2, // 얼굴 랜드마크 (Facial Landmark)
q8: 1, // 어절과 형태소
q9: 2, // 구축계획 수립 → 데이터 획득/수집 → 데이터 정제 → 데이터 가공
q10: 1 // 텍스트 캡션 (Text Caption)