[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