예시 답변 1
약 90초
데이터 수집·모델 검증 결
수업 프로젝트에서 타이밍 클로저 예측 모델을 간단히 만들어본 적이 있습니다. 합성 후 수집한 슬랙 히스토그램을 피처로 써서 플로어플랜 변경 전후 타이밍 변화를 회귀 모델로 예측하는 시도였습니다. 데이터가 100개 미만이라 오버피팅이 문제였고, 피처 수를 줄이고 교차 검증을 추가해 일반화 성능을 높였습니다. 예측 오차가 실제 합성 결과와 5% 이내로 맞아 탐색 비용을 줄이는 데 도움이 됐고, 실험 횟수를 절반 이하로 줄이는 데 기여했습니다.
ML 활용은 데이터 품질과 피처 해석 가능성이 함께 갖춰져야 설계 흐름에서 믿고 쓸 수 있는 도구가 된다는 결을 얻었습니다.
이 결의 특징
슬랙 히스토그램을 피처로 써서 타이밍 변화를 회귀 모델로 예측하다 데이터가 100개 미만이라 오버피팅됐던 걸, 피처 수를 줄이고 교차 검증을 추가해 개선한 흔적입니다.
이 결이 통하는 자리
예측 오차가 실제 합성 결과와 5% 이내로 맞아 실험 횟수를 절반 이하로 줄인 구체 결과와 함께 제시될 때 통합니다. 데이터 품질과 피처 해석 가능성을 강조하는 자리에서 면접관의 신뢰가 쌓이는 결이 보입니다.