현업에 있는 사람인데 우연히 보게 되었습니다. 면접관님의 인내심이 대단한것 같아요 ㅠㅠ 지원자가 잘 모르다보니 아는 단어로 억지로 말을 만드는게 보이네요. 다만 면접자가 긴장하지않고 편하게 말할수 있게 건조하지 않은 분위기는 조성해야지 너무 일방적으로 시험보듯이 질문하네요
R&D를 지원한 면접자라고 생각하면 많이 아쉽네요..ㅠㅠ 차원의 저주는 고차원으로 갈수록 n차원에서 데이터가 차지하는 공간이 점점 작아지고 그 간격이 멀어지기 때문에 예측 성능이 떨어지는 것을 의미합니다. 컴퓨터가 표본간의 간격을 정보가 없는, 즉 0으로 받아들이기 때문에 차원이 커질수록 컴퓨터는 더 복잡한 과정을 거쳐야만 예측을 할 수 있게 되고 이 과정에서 예측성능이 불안정해진다고 볼 수 있습니다. 단순히 교육과정을 이수해서 머신러닝 알고리즘 몇개를 더 아는 것보다 통계학적으로 기초만 탄탄하게 다지고 그것이 실제 현업에서 어떤 영향을 미칠 수 있는지 고민하다보면 면접에서 좀 더 나은 퍼포먼스를 보여줄 수 있을 것 같습니다.
현재 인공지능 공부 중인 학생입니다 다중공 선성이 이슈가 될 시 사용하는 기법이 변수 선택 기법 backward, forward, stepwise 능형 회귀 분석 주성분 회귀 분석이라 배웠습니다 ( PCA 또는 FA 방식 ) 여기서 선형식이 Y= B0 + B1×PCi1 + B2×PCi2 ... + Bp × PCip입니다만 PCA가 성능이 떨어지는 이유는 PCi가 신뢰성이 떨어져서 그런가요? 아니면 예측 회귀계수 (추정치) 문제인가요? 주성분 회귀 분석은 아직까지 어렵네요
![[AI개발자_리얼면접] Ep11 l 🎯이스트소프트 면접리뷰!](http://i.ytimg.com/vi/ufqBSuPA8uo/mqdefault.jpg)
![[AI개발자_리얼면접] Ep11 l 🎯이스트소프트 면접리뷰!](/img/tr.png)
![[딥러닝, 머신러닝, 인공지능] 이 영상 하나로 끝내드립니다 | 네이버 AI 부트캠프 멘토출신 이종혁 - 메타코드M](http://i.ytimg.com/vi/WeHFmpDN_ks/mqdefault.jpg)
![[그로스해커_리얼면접] Ep8 l "저희는 저희가 배울 수 있는 지원자를 원합니다"](/img/1.gif)
최근에 이스트소프트 최종합격한 직원입니다. 취업 준비기간에 피곤한 유대표님 영상 많이 보면서 실제 면접을 시뮬레이션 할 수 있었습니다. 좋은 컨텐츠 올려주셔서 감사합니다. 더 많은 사람들이 이 채널을 알았으면 좋겠네요
정말 힘이나는 댓글이네요:)
진심으로 축하드립니다ㅎㅎ
적게 일하고 많이 버세요~~🤚
피곤한유대표 감사합니다!!
이래서 AI쪽은 석박사 위주로 뽑는거군요.. 기초 이론부터 응용까지 아주 세밀하게 물어보네요..
진짜 좋은 컨텐츠네요...
36:00 비만이다 비만이 아니다 이건 BMI수치를 활용하는거에 답이있는데, 그리고 비만이다 아니다고 결정할수 있는 문제는 또래집단에서 규준을 선택하느냐 준거를 선택하느냐에 따라 다름
(심리측정 및 평가관련 논문과 도서를 보면 이런문제들 엄청 다뤄요)
현업에 있는 사람인데 우연히 보게 되었습니다. 면접관님의 인내심이 대단한것 같아요 ㅠㅠ 지원자가 잘 모르다보니 아는 단어로 억지로 말을 만드는게 보이네요. 다만 면접자가 긴장하지않고 편하게 말할수 있게 건조하지 않은 분위기는 조성해야지 너무 일방적으로 시험보듯이 질문하네요
처음에는 동감했지만 보다보니 1시간이 넘는 시간동안 되도 않는 시도와 질문과 아예 다른 답변을 들으셨을 면접관님들이 이해되기 시작했습니다...
지원자도 힘들겠지만 면접을 보는 면접관도 엄청나게 힘들겠네요.
도움이 많이 되었습니다 감사합니다
3년전인데 지금은 어떨지 궁금하긴 하네요
요즘은 영상 안올라오나요? 개발자로서 엄청 재밌게 봤는데 ㅠㅠ
생각보다 반응이 없어서요 ㅎㅎㅎㅎ
R&D를 지원한 면접자라고 생각하면 많이 아쉽네요..ㅠㅠ 차원의 저주는 고차원으로 갈수록 n차원에서 데이터가 차지하는 공간이 점점 작아지고 그 간격이 멀어지기 때문에 예측 성능이 떨어지는 것을 의미합니다. 컴퓨터가 표본간의 간격을 정보가 없는, 즉 0으로 받아들이기 때문에 차원이 커질수록 컴퓨터는 더 복잡한 과정을 거쳐야만 예측을 할 수 있게 되고 이 과정에서 예측성능이 불안정해진다고 볼 수 있습니다. 단순히 교육과정을 이수해서 머신러닝 알고리즘 몇개를 더 아는 것보다 통계학적으로 기초만 탄탄하게 다지고 그것이 실제 현업에서 어떤 영향을 미칠 수 있는지 고민하다보면 면접에서 좀 더 나은 퍼포먼스를 보여줄 수 있을 것 같습니다.
그쪽부터 잘 하셔야할 거 같아요.....
현재 인공지능 공부 중인 학생입니다
다중공 선성이 이슈가 될 시 사용하는 기법이
변수 선택 기법
backward, forward, stepwise
능형 회귀 분석
주성분 회귀 분석이라 배웠습니다
( PCA 또는 FA 방식 )
여기서 선형식이
Y= B0 + B1×PCi1 + B2×PCi2 ... + Bp × PCip입니다만
PCA가 성능이 떨어지는 이유는
PCi가 신뢰성이 떨어져서 그런가요?
아니면 예측 회귀계수 (추정치) 문제인가요?
주성분 회귀 분석은 아직까지 어렵네요
@@ykykykykykykyky 아쉬운거 맞는데 면접을 잘하고싶어서 이영상을 보는 시청자한테 도움이되는 코멘트 아닐까요? 굳이이렇게말씀하실 필요가..
@@ykykykykykykyky ㅋㅋㅋㅋㅋㅋ 수준..보이네
면접 진짜 빡시네요 ㄷㄷ
면접 질문지를 공유해주실 수는 없겠죠?
하단 자막에 표시해뒀습니다:)
실제 지원자와의 면접 과정인건가요??
네 맞습니다
비전공자...가 ai를 할 수 있나? 수학과면 모르겠는데 석사만 뽑는 분야 아닌가?
불가능하지 않은데 쉽지 않은거도 사실이죠. 전공자만큼 실력을 따로 쌓아야하니까요. 실력만 있으면 전공유무는 중요하지 않아요
정말 실제로 다대일 면접을 이렇게 길게 보시나요...?
ㅠㅠ