이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
실험을 설계할 때 가장 먼저 하는 것은 '무엇이 원인이고 무엇이 결과인지'를 명확히 하는 것입니다. 그를 정하지 않으면 측정 대상 자체가 흔들리기 때문입니다.
재료 실험 수업에서 첨가물 농도가 경화 시간에 미치는 영향을 측정하는 실험을 설계하였습니다. 독립 변수는 첨가물 농도(0%, 1%, 3%, 5%), 종속 변수는 경화 완료 시간으로 설정하고, 온도와 습도를 일정하게 유지하는 제어 조건을 명시하였습니다.
각 조건 3반복 측정 결과 3% 농도에서 경화 시간이 최소라는 결과가 나왔고, 5%에서 오히려 늘어나는 비선형 패턴이 흥미로웠습니다. 실패는 초반 실험에서 온도 조건을 일정하게 유지하지 않아서 데이터 편차가 커진 것이었고, 제어 조건 관리가 얼마나 중요한지 다시 배웠습니다.
실험은 설계 단계에서 제어 조건을 얼마나 꼼꼼히 잡느냐가 결과 신뢰도를 결정합니다.
실험 설계에서 가장 크게 배운 건 대조군이 없으면 결과를 해석할 수 없다는 것입니다. 처음엔 당연한 얘기 같지만 직접 경험해보니 생각보다 자주 빠지는 함정이었어요.
졸업 프로젝트에서 특정 학습 방법이 이해도에 미치는 영향을 측정하는 실험을 설계했는데, 처음에 모든 그룹에 같은 방법을 적용했습니다. 결과가 나왔는데 '개입 전보다 나아졌다'는 걸 확인할 기준이 없었어요. 교수님이 '이게 방법 덕분인지, 시간 덕분인지 어떻게 알 수 있냐'고 물었는데 대답을 못 했습니다. 재설계해서 대조군을 넣고 나서야 의미 있는 비교가 가능해졌어요. 실패는 대조군 없이 시작한 것 자체였고, 설계 리뷰를 미리 받지 않은 것이었습니다.
실험은 결과보다 비교 기준이 먼저 있어야 의미가 생깁니다.
실험 결과를 분석하면서 통계적으로 유의미하다고 해서 실질적으로 중요한 게 아닐 수 있다는 걸 배웠습니다. 샘플이 많으면 작은 차이도 유의미하게 나오거든요.
데이터 분석 수업에서 두 교육 방법의 점수 차이를 비교하는 실험 결과를 분석했는데, p값이 0.03으로 통계적으로 유의미하게 나왔습니다. 그런데 실제 점수 차이는 100점 만점에 1.4점이었어요. '이 차이가 현장에서 의미가 있나'라는 질문을 교수님이 던졌을 때 말문이 막혔습니다. 그 이후로 분석 결과에서 효과 크기(Cohen's d)를 함께 보는 방식으로 바꿨어요. 실패는 p값만 보고 유의미하다고 결론 낸 것이었습니다.
통계는 '차이가 있다'를 보여주고, 효과 크기는 '그 차이가 얼마나 중요한가'를 보여줍니다. 두 가지를 함께 봐야 해석이 완성됩니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 쿠팡 ML 엔지니어 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.