대학원 면접 후기(카이스트, 서울대, 한양대 합격 후기)

대학원 면접 후기(카이스트, 서울대, 한양대 합격 후기)

벌써 학기가 시작된지 한 달여가 흘렀습니다. 2022년 5월에 준비했던 한양대 인공지능융합대학원 면접 합격과 관련한 글을 기록해보려고 합니다. 이번글은 저의 백그라운드 소개, 서류준비, 면접질문과 답변, 학비에 대한 생각으로 구성했습니다. 첫번째 저의 백그라운드를 알려드리자면학부에서 소프트웨어공학과를 전공하면서 웹서버백엔드 시스템 건설 프로젝트를 3개 완수하였고,현재는 공공기관의 전산직으로 정보화 사업을 추진하고 있습니다. 면접을 보았던 2022년 5월 기준으로, 직장 경력은 만 3년 5개월이었습니다.

2021년 3월부터 인공지능 스터디를 하면서 컴퓨터 비전 분야에 사랑을 가지게 되었고 연구를 하고 싶어서 대학원 진학을 결심하게 되었습니다. 학과 졸업 프로젝트를 같이 했던 선배와 2021년 3월 17일 인공지능으로 스터디 주제를 변경하며진지하게 인공지능을 공부하기 시작했습니다.

카이스트 대학원 면접 후기

먼저 대학원 면접에 기본적으로 나올만한 질문들을 추려 예상질문 리스트를 만들었습니다. 그리고 이 예상질문에 대한 답변을 모두 정리했습니다. 예상질문 및 답변을 준비할때는 자신이 이 연구분야에 왜 사랑을 갖게됐고, 해당 분야에서 어떤 문제의식을 갖게됐는지 스토리텔링 식으로 준비하시면 좋습니다. 어떻게보단 왜에 집중하는 것이 팁입니다. 아래는 제가 만들었던 예상질문 리스트와 기술경영학과 기출 질문입니다.

Linearly Independent 란?

선형 독립은 선형대수학에서 사용되는 개념으로 벡터들이 서로 선형적으로 종속되지 않는 상황을 말합니다. 이는 한 벡터가 다른 벡터들의 선형 조합으로 표현되지 않는다는 것을 의미합니다. 선형 독립의 개념은 벡터 공간 내에서 중요한 역할을 합니다. 만약 벡터들이 선형 독립이라면, 그들이 생성하는 벡터 공간의 차원은 해당 벡터의 개수와 같습니다. 반면에 벡터들이 선형 종속일 경우, 필요하지 않은 정보나 중복된 정보가 있을 가능성이 높습니다.

이곳에서 나온 아이디어가 basis 입니다. 주어진 어떤 vector space 가 있을 때, 그 space 를 span 하는 linearly independent 한 vector 들을 basis 라고 합니다.

서울시 취업날개 서비스 운영

청년실업률 증가와 취업준비 기간 장기화로 구직과정에서 과중한 경제적 부담을 겪고 있는 청년들을 지원화하기 위해 면접정장을 무료대어 해주는 서비스 입니다. 서울시 취업날개 서비스는, 1회 대여기간은 3박 4일이고 연마다 1인당 최대 10회까지 이용 가능합니다. 대여기간 내 꼭 반납하셔야 합니다. 대여기간을 연체하면 연체료가 발생됩니다.

면접 질문

면접 준비는 구글에서 인공지능 연관 면접 질문을 긁어모아 아래처럼 답변을 다시 정리해 포스팅하였습니다. 활용하는 딥러닝 프레임워크 ? 파이토치를 사용해봤고 책의 예제를 구현해봤습니다. 경사하강법이란 ? 경사하강법은 최적화 알고리즘으로 SGD라고 하는 확률적 그래디언트 디센트가 있고, 손실 함수를 최소화하는 방향으로 최적화하는 알고리즘 입니다. 손실함수 MSE와 엔트로피의 다른점 설명 평균제곱오차인 MSE는 linear regression에서 회귀 사안을 풀 때 사용하고, 크로스엔컵 손실함수는 분류 문제에서 사용하면 더 좋은 결과를 얻을 수 있는 것으로 알고 있습니다.

현재 업무와 인공지능의 연관성이 떨어져보이는데 전향하려고 하는 것인지? 네, 현재 업무가 인공지능과 상관이 없어 연구자로 전향하기 위해 대학원 진학을 결심하게 되었습니다.

1 최소자승법

통계학에서의 최소자승법과 선형대수에서의 최소자승법이 좀 다릅니다. 아마 출발 기반은 같다고 생각하지만, 약간 다른 지점이 있습니다. 먼저 통계학에서의 최소자승법이란 선형회귀에서 자주 사용되는 방식으로 모델의 파라미터 조정을 위한 방법입니다. 주어진 데이터와 모델간의 차이를 잔차residual라고 부르는데, 엄밀히 말하자면 다르지만 약간의 과장을 하자면 그렇다, 통계학에서의 최소자승법은 이 잔차의 제곱을 최소화하는 계획을 말합니다.

이 계획을 통해 모델의 파라미터를 조절합니다. 선형대수의 최소자승법은 행렬과 벡터연산에 관하여 다루는 방법입니다. Ax = b 이라는 수식이 있다고 할 때, 행렬 A가 정방행렬이 아니거나 해가 존재하지 않을 겨우 최소자승법을 사용해 최대한 근사한 해를 구하기 위한 방법입니다. 내적을 사용하여 구하는 방법과 미분을 사용하여 구하는 방법이 있습니다.

자주 묻는 질문