예시 답변 1
약 65초
경험 기반 구체화
파이썬을 활용한 데이터 가공과 분석에서 가장 많이 쓴 라이브러리는 pandas와 numpy입니다. 학교 데이터 분석 수업과 개인 프로젝트에서 groupby·merge·pivot_table 같은 연산을 활용해 대용량 데이터를 정리했는데, 특히 결측치 처리와 데이터 타입 변환 같은 전처리 단계에서 가장 많은 시간이 들었습니다. 시각화는 matplotlib과 seaborn을 주로 썼고, 분포와 상관관계를 직관적으로 확인하는 데 활용했습니다. 처음에는 루프를 과도하게 쓰다가 vectorized operation을 적용하자 처리 속도가 크게 빨라진 경험도 있었습니다. 현재는 scikit-learn으로 기본 분류·회귀 모델을 구현하는 것을 공부하고 있고, EDA에서 모델링까지 하나의 노트북에서 흐름을 잡는 연습을 하고 있습니다.
이 결의 특징
groupby·merge·pivot_table과 결측치 처리·타입 변환이라는 전처리 디테일이 또렷합니다. 루프 과도 사용에서 벡터 연산으로 전환해 처리 속도를 높인 경험이 구체적이고, sklearn으로 분류·회귀 모델을 이어서 공부하는 흐름이 자주 보이는 결입니다.
이 결이 통하는 자리
라이브러리 이름 나열이 아닌 실제 연산과 전처리 맥락이 살아 있고, 속도 개선 경험이 구체적일 때 통합니다. EDA에서 모델링까지 흐름을 잡는다는 현재 학습 방향이 뚜렷한 자리에서 면접관의 꼬리질문이 줄어드는 결이 보입니다.