이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
처음 ML 모델을 만들었을 때 accuracy만 보고 '잘 됐다'고 판단했다가, 클래스 불균형 상황에서 그 수치가 의미 없다는 걸 나중에 알게 됐습니다. 불량 탐지처럼 놓치는 것이 더 나쁜 태스크에서는 recall이 핵심 지표고, 반대로 스팸 필터처럼 잘못 걸러내는 것이 큰 손실인 경우엔 precision이 더 중요합니다.
혼동 행렬(confusion matrix)을 직접 그려보면서 어떤 오류 유형이 더 많은지 파악했고, 그 결과가 모델 개선 방향을 정하는 데 실제로 도움이 됐습니다. 데이터 불균형이 심할 때는 F1 score나 ROC-AUC를 함께 보는 편이 신뢰도가 높았습니다.
평가 지표는 태스크의 목적을 반영해야 한다는 걸 그 경험에서 배웠습니다. 어떤 실수를 더 허용할 수 있는지를 먼저 정한 뒤 지표를 고르는 순서가 맞았습니다.
ML 모델 성능 평가 기준은 문제 맥락을 먼저 이해해야 정할 수 있다는 걸 현장에서 배웠습니다.
사기 탐지 모델을 만들었을 때, 처음엔 정확도(accuracy)를 기준으로 평가했습니다. 결과는 99%였지만, 실제 사기 건을 70% 이상 놓치고 있었습니다. 데이터 불균형 문제였고, recall 중심으로 기준을 바꿔야 했습니다. 이후 F1 스코어와 precision-recall 곡선을 함께 보는 방식으로 전환했습니다.
그 경험 이후 저는 모델 평가 지표를 정하기 전에 비즈니스 비용 구조를 먼저 물어보는 습관이 생겼습니다. 놓친 사기 한 건의 비용이 얼마인지, 오탐 한 건의 비용이 얼마인지를 알아야 어떤 오류를 더 용인할 수 있는지 결정할 수 있기 때문입니다.
성능 평가 기준을 하나만 고르는 순간 다른 것을 포기하는 선택을 한다는 걸 이해한 뒤로 평가가 달라졌습니다.
추천 시스템을 개발할 때, 클릭률을 높이는 방향으로 최적화하니 사용자 체류 시간이 오히려 줄어드는 현상이 나타났습니다. 클릭은 많아졌지만 콘텐츠 만족도는 낮았습니다. 두 지표가 서로 다른 방향을 가리키고 있었습니다.
이후 저는 단기 지표(클릭률)와 장기 지표(재방문율)를 함께 모니터링하는 방식을 제안했고, 두 지표의 균형점을 찾는 실험을 반복했습니다. 어떤 기준을 선택하든 그 선택이 가진 트레이드오프를 팀이 함께 알아야 한다는 것이 그 프로젝트의 핵심 교훈이었습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 삼성전자 공통직무·미지정 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.