면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
프로젝트에서 분류 모델을 학습시켰는데, 특정 클래스의 데이터가 지나치게 적어 모델이 그 클래스를 거의 예측하지 못하는 문제가 있었습니다. 모델 구조를 바꾸기 전에 먼저 데이터 분포를 확인했고, 부족한 클래스의 데이터를 추가로 수집하거나 샘플링 방식을 조정해 균형을 맞췄습니다. 그 결과 전체 정확도는 큰 변화가 없었지만, 이전에 거의 예측하지 못하던 클래스의 재현율이 크게 개선됐습니다. 모델보다 데이터를 먼저 점검하는 것이 더 근본적인 해결책이라는 것을 배웠습니다.
이상 거래를 탐지하는 모델을 만들 때, 처음에는 정확도만 보고 성능이 좋다고 판단했는데 실제로는 대부분의 데이터가 정상 거래라 정확도가 높게 나온 것뿐이었습니다. 이후 재현율과 정밀도를 함께 확인하는 방식으로 바꾸고, 실제로 이상 거래를 놓치지 않는 것이 중요한 문제였기 때문에 재현율을 우선하는 기준으로 모델을 개선했습니다. 문제 특성에 맞는 지표를 선택하지 않으면 잘못된 판단을 할 수 있다는 것을 배웠습니다.
학습 단계에서는 성능이 좋았던 모델이 실제 서비스에 적용하려니 응답 속도가 너무 느려 사용이 어려웠던 경험이 있습니다. 이후 모델 크기를 줄이는 경량화 작업을 진행했고, 정확도를 약간 희생하는 대신 응답 속도를 크게 개선해 실제 사용 가능한 수준으로 맞췄습니다. 연구 단계의 최고 성능이 아니라, 실제로 사용자가 쓸 수 있는 형태로 만드는 것까지가 개발이라는 것을 그때 느꼈습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.