상위 10개 딥 러닝 인터뷰 질문 및 답변

여전히 진화하고 있지만 딥 러닝은 데이터 과학 분야에서 획기적인 기술로 부상했습니다. Google의 DeepMind 에서 자율 주행 자동차에 이르기까지 Deep Learning 혁신은 전 세계를 경외하게 했습니다. 전 세계의 기업과 조직은 비즈니스 가능성을 향상시키기 위해 딥 러닝 기술을 채택하고 있습니다. 그 결과 딥 러닝 및 머신 러닝 분야의 숙련된 전문가에 대한 수요가 전례 없는 속도로 증가하고 있습니다. 사실, 데이터 과학은 현재 시장에서 매우 뜨겁기 때문에 데이터 과학 분야에서 경력을 쌓을 수 있다면 가도 좋습니다!

아시다시피, 딥 러닝에서 성공적인 직업을 얻으려면 먼저 면접을 통과해야 합니다. 이는 구직 과정에서 가장 어려운 도전 중 하나입니다.

따라서 우리는 여러분이 좀 더 쉽게 시작할 수 있도록 하기로 결정하고 가장 일반적으로 묻는 딥 러닝 인터뷰 질문 10가지 목록을 작성했습니다!

1. 딥 러닝이란 무엇입니까?

딥 러닝은 인공 신경망을 사용하여 기계가 인간과 같은 의사 결정을 시뮬레이션할 수 있도록 하는 기계 학습의 하위 집합입니다. 신경망은 인간 두뇌의 뉴런 구조에서 영감을 받았습니다. 딥 러닝은 기능 감지, 컴퓨터 비전, 음성 인식 및 자연어 처리와 같은 영역에서 수많은 응용 프로그램을 발견했습니다.

2. 퍼셉트론이란?

이를 이해하려면 먼저 생물학적 뉴런이 작동하는 방식을 이해해야 합니다. 뉴런은 세포체, 축색 돌기 및 수상 돌기로 구성됩니다.

수상돌기가 다른 뉴런으로부터 신호를 받는 동안 세포체는 수신된 모든 입력을 합산하고 축색돌기는 세포체가 수집한 정보를 신호로 다른 세포에 전송합니다.

이와 같이 신경망의 퍼셉트론은 여러 개의 입력을 받아 다양한 변환과 기능을 입력에 적용하고 최종적으로 정보를 결합하여 출력을 생성합니다. 이진 분류에 사용되는 선형 모델입니다.

3. 가중치와 편향의 기능은 무엇입니까?

신경망 내에서 노드를 활성화하려면 다음 공식을 사용해야 합니다.

출력 = activation_function(dot_product(가중치, 입력)+ 편향)

여기에서 가중치는 분류기 선의 기울기를 결정하는 반면 바이어스는 활성화 함수가 기울기를 왼쪽이나 오른쪽으로 이동하도록 합니다. 일반적으로 바이어스는 x0 값을 갖는 가중치 입력으로 처리됩니다.

4. 활성화 기능의 역할은 무엇입니까?

활성화 함수는 복잡한 작업을 학습하는 데 도움이 되도록 신경망에 비선형성을 삽입하는 데 사용됩니다. 가중치의 합을 계산하고 추가 바이어스를 추가하여 뉴런을 트리거하거나 활성화합니다. 활성화 함수가 없으면 신경망은 선형 함수, 즉 입력 데이터의 선형 조합만 수행할 수 있습니다.

5. 경사하강법이란?

기울기 하강법은 기울기의 음수에 의해 결정되는 가장 가파른 하강 방향으로 계속 이동하여 특정 매개변수의 비용 함수를 최소화하는 데 사용되는 최적화 알고리즘입니다.

6. 비용 함수란 무엇입니까?

비용 함수("손실"이라고도 함)는 특정 훈련 샘플 및 예상 출력과 관련하여 신경망의 정확도를 측정한 것입니다. 신경망이 전체적으로 얼마나 잘 수행하는지 결정합니다. 신경망의 목표는 항상 동일하게 유지됩니다. 비용 함수 또는 오류를 최소화하는 것입니다.

7. 역전파란?

역전파는 네트워크의 성능을 향상시키기 위해 다층 신경망에서 사용되는 훈련 알고리즘입니다. 이 방법은 네트워크의 한쪽 끝에서 네트워크 내부에 포함된 모든 가중치로 오류를 이동하여 기울기의 효율적인 계산을 촉진하고 오류를 최소화해야 합니다. 작동 방식은 다음과 같습니다.

• 먼저 훈련 데이터를 앞으로 이동하여 출력을 생성합니다.
• 목표 값과 출력 값을 사용하여 출력 활성화와 관련된 오차 도함수를 계산합니다.
• 모든 은닉층에 대한 데이터를 역전파하고 매개변수(가중치 및 편향)를 업데이트합니다. 오류가 최소로 줄어들 때까지 이 작업을 계속합니다.
• 이제 모델에 입력을 제공할 수 있으며 출력을 보다 정확하게 예측할 수 있습니다.

7. 데이터 정규화란 무엇입니까? 왜 중요 함?

데이터 정규화는 역전파 중 전처리 단계입니다. 데이터 중복을 제거하거나 최소화하는 것을 목표로 합니다. 데이터 정규화는 역전파에 대한 더 나은 수렴을 얻기 위해 특정 범위에 맞게 값을 다시 조정하는 데 도움이 됩니다. 각 데이터 포인트의 평균을 빼고 표준 편차로 나눕니다.

8. 신경망에서 가중치를 어떻게 초기화합니까?

기본적으로 가중치 초기화에는 두 가지 방법이 있습니다.

• 가중치를 0으로 초기화: 이렇게 하면 모델이 선형 모델처럼 됩니다. 즉, 모든 뉴런과 모든 레이어가 동일한 기능을 수행하여 딥 네트의 생산성을 저해합니다.
• 가중치를 무작위로 초기화: 이 방법에서는 가중치를 0에 매우 가깝게 초기화하여 무작위로 할당합니다. 다른 뉴런은 다른 계산을 수행하므로 이 방법은 더 나은 정확도를 보장합니다.

9. 하이퍼파라미터란 무엇입니까?

하이퍼파라미터는 훈련 과정 전에 값이 설정되는 변수입니다. 그것들은 네트워크의 구조와 훈련 방법을 결정합니다.

Activation Function, Learning Rate, Number of Hidden Layers, Network Weight Initialization, Batch Size, Momentum과 같은 신경망에는 많은 하이퍼파라미터가 사용됩니다.

10. CNN이란 무엇입니까? 다른 레이어는 무엇입니까?

CNN 또는 Convolutional Neural Network는 주로 시각적 표현을 분석하는 데 사용되는 일종의 심층 신경망입니다. 이러한 네트워크는 최소한의 전처리가 필요한 다중 계층 퍼셉트론 호스트를 사용합니다. 신경망은 벡터를 입력으로 사용하지만 CNN에서 입력은 다중 채널 이미지입니다.

CNN의 다른 계층은 다음과 같습니다.

• 컨볼루션 레이어 – 이 레이어는 컨볼루션 연산을 수행하여 데이터를 구문 분석하기 위해 더 작은 그림 창을 많이 생성합니다.
• ReLU 계층 – 이 계층은 네트워크에 비선형성을 도입합니다. 모든 음수 픽셀을 0으로 변경합니다.
• 풀링 레이어 – 이 레이어는 다운 샘플링 작업을 수행하여 각 기능 맵의 차원을 줄입니다.
• 완전 연결 계층 – 이 계층은 샘플 이미지에 있는 모든 개체를 인식하고 분류합니다.

따라서 면접관이 DL 인터뷰 중에 하게 될 10가지 기본적인 딥 러닝 질문입니다. 그러나 면접 질문을 읽는 것만으로는 면접을 깰 수 없습니다. 해당 분야에 대한 심층 지식이 있어야 합니다. 가장 좋은 방법은 딥 러닝 및 머신 러닝 인증 프로그램에 등록하는 것입니다. 이 프로그램은 ML과 DL 모두를 가르치기 위해 고안되었습니다.