이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
FDS 실무는 없습니다. 학부 데이터 마이닝·금융 사기 탐지 자료 학습과 동아리 회비 앱에서 작은 룰 기반 점검이 가장 가까운 자리입니다.
FDS 방법은 룰 기반·통계 기반·머신러닝 기반의 세 갈래라고 봤습니다. 룰 기반은 빠르지만 새로운 패턴에 약한 자리·머신러닝은 새 패턴에 강하지만 설명 가능성이 약한 자리였습니다. 세 자리를 같이 두는 자세가 FDS 설계의 본체였습니다.
첫 학습에 머신러닝만 본 실패가 있었고, 룰의 기본기를 못 본 자리가 있었습니다. 그 일이 룰과 모델을 같이라는 자세를 만들었습니다. 실무에서도 사수의 양식과 순서를 첫 자리에서 손에 익히고, 그 흐름이 매일의 자세로 굳어지게 만드는 자리부터 들어가고 싶습니다.
FDS 시스템 설계에서 챙겨야 한다고 본 자리는 네 곳입니다.
첫째, 룰 + 모델 하이브리드. 빠른 응답과 새 패턴 탐지를 같이. 둘째, 낮은 지연·실시간 점수. 결제 시점에 안에서 끝나는 자리. 셋째, 설명 가능성과 감사 로그. 왜 막혔는지 추적 가능. 넷째, 피드백 루프. 오탐·미탐을 모델 재학습에 반영.
학습에서 4단계 피드백 루프를 안 본 실패가 있었고, 모델이 시간이 지나면서 성능이 떨어지는 자리가 있었습니다. 그 일이 피드백은 첫 설계부터라는 자세를 만들었습니다. 실무에서도 사수의 양식과 순서를 첫 자리에서 손에 익히고, 그 흐름이 매일의 자세로 굳어지게 만드는 자리부터 들어가고 싶습니다. 그 자세는 어떤 자리에서도 같은 결을 만든다고 봤고, 새 직무에서도 첫 한 달의 작은 자리에서부터 그 결을 그대로 가져가는 자세로 들어가고 싶습니다.
FDS의 본체는 정확도가 아니라 오탐과 미탐의 균형이라는 걸 학습에서 봤습니다.
미탐이 적은 자리는 사기 손실이 작은 자리지만 오탐으로 정상 사용자가 막히는 자리가 됩니다. 오탐이 적은 자리는 사용자 경험은 좋지만 사기 손실이 큰 자리가 됩니다. 균형의 자리가 비즈니스 결정과 닿아 있었습니다.
한쪽만 본 실패가 있었고, 그 일이 균형이 본체라는 자세를 만들었습니다. 실무에서도 사수의 임계값 결정 양식부터 익히고 싶습니다. 실무에서도 사수의 양식과 순서를 첫 자리에서 손에 익히고, 그 흐름이 매일의 자세로 굳어지게 만드는 자리부터 들어가고 싶습니다. 그 자세는 어떤 자리에서도 같은 결을 만든다고 봤고, 새 직무에서도 첫 한 달의 작은 자리에서부터 그 결을 그대로 가져가는 자세로 들어가고 싶습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 토스 백엔드 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.