Page 1 of 1
[통계] 통계와 AI
이름
*
탐색적 데이터 분석(EDA)과 확인적 데이터 분석(CDA)의 관계에 대한 설명으로 가장 적절한 것은 무엇인가요?
*
A
EDA는 가설 검증에, CDA는 데이터 시각화에 주로 사용된다.
B
CDA를 먼저 수행하여 분석 방향을 설정한 후 EDA를 진행한다.
C
EDA와 CDA는 완전히 동일한 목적과 방법을 가지는 분석 기법이다.
D
EDA를 통해 데이터 이해 및 가설 생성을 하고, 이후 CDA를 통해 생성된 가설을 통계적으로 검증하는 보완적 관계이다.
인공지능(AI), 머신러닝(ML), 딥러닝(DL)의 관계를 가장 잘 나타낸 것은 무엇인가요?
*
A
머신러닝은 인공지능의 한 분야이며, 딥러닝은 머신러닝의 한 분야/일종이다.
B
딥러닝은 인공지능과 머신러닝을 포함하는 가장 상위의 개념이다.
C
인공지능은 머신러닝의 일부이며, 딥러닝과는 별개의 분야이다.
D
세 분야는 서로 관련 없이 독립적으로 발전해왔다.
빅데이터(Big Data)를 특징짓는 '3V'에 해당하지 않는 것은 무엇인가요?
*
A
Volume (데이터의 엄청난 양)
B
Velocity (데이터의 빠른 생성 및 처리 속도)
C
Variety (정형 및 비정형 데이터를 포함한 다양성)
D
Visibility (데이터 시각화의 용이성)
대규모 데이터셋 내에 숨겨진 유용한 패턴, 추세, 관계 등을 발견하여 가치 있는 통찰력이나 지식을 추출하는 과정을 무엇이라고 하나요?
*
A
확인적 데이터 분석 (Confirmatory Data Analysis)
B
데이터 마이닝 (Data Mining)
C
설명가능한 인공지능 (Explainable AI, XAI)
D
빅데이터 (Big Data)
다음 중 통계적 분석과 머신러닝을 사용한 방법에 관한 설명으로 일반적으로 가장 옳은 것은?
*
A
통계는 머신러닝보다 일반적으로 훨씬 더 큰 규모의 데이터를 주로 다룬다.
B
인공지능은 사람과 정확히 동일한 방식으로 생각한다.
C
통계적 분석은 설명 가능성(explainability)이 상대적으로 높다
D
AI는 비선형적 패턴 인식과 예측 정확도에 강점이 있으며 해석도 상대적으로 쉽다.
자신의 업무에서 데이터 분석/통계적 분석/머신러닝 등이 필요한 사례 하나를 골라 설명해보세요.
*
위의 문제는 다음 중 어떤 접근이 더 유용해 보입니까?
*
A
통계적 분석
B
머신러닝
C
기타
선택하신 접근이 더 유용하다고 생각하시는 이유는 무엇입니까?
*
Submit