- 머신러닝과 딥러닝의 차이점은?
- 머신러닝을 3가지로 분류한다면?
- Cross validation이란?
- gradient descent에 대해서 가능한 자세하게 설명한다면?
- 모델의 성능 평가 지표에는 무엇이 있는가?
- 하이퍼파라미터 튜닝은 어떻게 할 수 있을까?
- normalization과 regularization의 차이는?
- batch normalization이란? 어떻게 동작하는가?
- Activation Function에서 RELU함수를 많이 사용하는 이유는?
- Max Pooling을 하는 이유는?
- Global Average pooling이란?
- SVM이란?
- overfitting이란?
- CNN의 장점은?
- 로지스틱 회귀란? 언제 로지스틱 회귀를 사용할 수 있을까?
- Local Minima를 해결하는 방법은?
- gradient vanishing이 생기는 이유는? 이를 해결할 수 있는 방법은 무엇이 있을까?
- back propagation이란?
- word2vec의 원리는?
- auto encoder에 대해서 설명한다면?
- sgd와 momentum에 대해서 설명해주세요
- cost function이란?
- activation function을 사용하는 이유는?
- 차원의 저주란?
- l2, l1 정규화란?
- 앙상블을 사용하는 이유는?
- CAM이란?
- 원-핫 인코딩이란?
- n-gram은 무엇인가요?
- stop words란? 왜 stop words를 제거해야 하나요?
- weight initialization이란? 어떤 방법들이 있는가?
- 협업 필터링이란?
- GAN이란?
- 엔트로피란?
- accuracy, recall, precision이란? 각각은 언제 사용하는 것이 좋을까?
- k-fold cross validation이란?
- likelihood란? 이를 정규분포에서 어떻게 설명할 수 있을까?
컴퓨터 이론/딥러닝