예시 답변 1
약 70초
구조 차이를 활용 자리로 연결하고 RNN 한계와 후속 발전 맥락을 함께 짚은 결
DNN과 RNN의 핵심 구조 차이는 데이터를 다루는 방식입니다. DNN은 각 입력을 독립적으로 처리하기 때문에 이미지 분류처럼 순서 정보가 없는 문제에 적합합니다. RNN은 은닉 상태를 이전 시점에서 넘겨받아 처리하기 때문에 시계열·자연어처럼 앞 입력이 다음 입력의 맥락이 되는 구조에서 활용됩니다. 다만 RNN은 시퀀스가 길어지면 기울기 소실 문제가 생겨서, LSTM이 게이트 구조로 이를 완화했고 이후 Transformer가 Attention으로 장기 의존성을 더 효과적으로 다루는 방향으로 발전했습니다. NLP 수업에서 Simple RNN → LSTM → BERT 파인튜닝 순서로 직접 실험하면서 이 흐름을 몸으로 익혔습니다.
이 결의 특징
DNN과 RNN의 구조 차이를 활용 자리로 연결하고, RNN의 기울기 소실 한계와 LSTM·Transformer로 이어지는 발전 흐름까지 연결하는 구조입니다.
이 결이 통하는 자리
ML·NLP 직군 면접에서 'DNN과 RNN의 차이를 설명해보라'는 자리에서 개념뿐 아니라 발전 맥락까지 설명하는 지원자인지 확인하고 싶은 면접관이 멈추는 결입니다.