dl 썸네일형 리스트형 ML 주니어 엔지니어를 위한 기술면접 질문 모음(1,2,3,4) 보충 1. 베르누이 분포 (Bernoulli Distribution)베르누이 분포는 '성공' 또는 '실패'와 같이 두 가지 결과만 존재하는 단일 시행(single trial)을 모델링하는 가장 기본적인 이산 확률 분포입니다.가. 수식적 정의시행 결과 '성공'이 나올 확률을 $\theta$ $(0 \le \theta \le 1)$라고 할 때, 확률 변수 $X$가 $1$(성공) 또는 $0$(실패)의 값을 갖는다고 정의합니다. 이때 확률 질량 함수(PMF)는 다음과 같습니다.$$ P(X=x)=f(x;\theta)=\theta^{x}(1-\theta)^{1-x}, \quad x\in\{0,1\} $$$X=1$ (성공)일 확률: $P(X=1)=\theta$$X=0$ (실패)일 확률: $P(X=0)=1-\theta$나... 더보기 ML 주니어 엔지니어를 위한 기술면접 질문 모음 4 1. 상태 가치 함수(State-Value Function)에 대한 벨만 기대 방정식(Bellman Expectation Equation)을 작성하세요.상태 가치 함수 $v_{\pi}(s)$는 특정 정책 $\pi$를 따를 때, 상태 $s$에서 시작하여 받을 것으로 기대되는 미래 보상의 총합(리턴)을 의미합니다. 이는 특정 상태가 해당 정책 하에서 얼마나 "좋은지"를 나타내는 척도입니다.벨만 기대 방정식은 이 상태 가치 함수를 재귀적으로 정의하는 핵심적인 관계식입니다. 현재 상태의 가치는 즉시 받는 보상과 다음 상태의 가치로 분해하여 표현할 수 있다는 아이디어를 기반으로 합니다.수식은 다음과 같이 유도되고 표현됩니다.정의: 상태 가치 함수는 시점 $t$에 상태 $S_t=s$에 있을 때의 기대 리턴 $G_t.. 더보기 ML 주니어 엔지니어를 위한 기술면접 질문 모음 1. 경사 하강법(Gradient Descent)의 가중치 업데이트 규칙을 수식으로 설명해 보세요.답변:경사 하강법은 손실 함수(Loss Function)의 값을 최소화하기 위해 가중치(weight)를 반복적으로 업데이트하는 최적화 알고리즘입니다. 가중치 업데이트는 손실 함수의 기울기(gradient) 반대 방향으로 일정 크기(learning rate)만큼 이동하는 방식으로 이루어집니다.시간 $t$에서의 가중치를 $W_t$라고 할 때, 다음 시간 $t+1$에서의 가중치 $W_{t+1}$은 다음과 같이 업데이트됩니다.$$W_{t+1} = W_t - \eta \nabla J(W_t)$$여기서 각 기호의 의미는 다음과 같습니다.$W_{t+1}$: 업데이트될 새로운 가중치$W_t$: 현재 가중치$\eta$ (에.. 더보기 이전 1 다음