한빛미디어

인사이드 머신러닝 인터뷰 책을 읽게 되었다. 목차는 여러 ML모델들에 대해 인터뷰에서 나올 수 있는 내용들, 추천 시스템, 데이터 이슈, NLP 그리고 ML 시스템 설계등 대부분의 주제들을 망라해서 다루고 있었다.

데이터 수집시 발생할 수 있는 문제 중, 서빙 편향, 무작위로 데이터 누락, 레이블 검증, 데이터 정규화, 리샘플링 등의 내용을 다루고 있었다. 다중 클래스 샘플의 데이터 셋을 다운 샘플링 및 가중치 부여를 하는 내용이 나왔다.

모델링 알고리즘은 로지스틱 회귀, 그래디언트 부스팅 결정 트리, 심층 신경망을 다루고 있었고 로지스틱 회귀는 시그모이드 함수를 사용해 이벤트의 확률로 변환 후 0, 1같은 이진 결과를 매핑하는 내용이 나왔다. 가능도 함수는 가능도를 최대화하는 로그 손실 함수를 통해 세티값을 최소하는 내용이 나왔다.

손실 함수는 잘 알려진 평균 제곱 오차, 평균 제곱 오차, 절대 제곱 오차, 평균 절대 백분율 오차의 내용이 나왔고 손실 함수의 볼록성과 경사값을 통해 손실을 최소화 하는 내용을 다루고 있었다.

K-최근접 이웃과 같은 대표 비지도 학습의 파이썬 코드를 다루고 있었고, 의사 결정 트리에 대한 내용을 소개하고 있었다. 또한, NLP 관련해 텍스트를 인코딩, 디코딩, 유사도 점수를 구하는 것에 대한 내용을 다뤘고 NLP에서 유명한 어텐션 메카니즘에 대해서도 다루고 있었다.

머신러닝 관련 인터뷰를 준비하는 분들이 이 책을 읽으시면 전반적인 인터뷰 내용이 정리될 것이란 생각이 들었다.

이 글은 한빛미디어로 부터 책을 증정받아 작성되었습니다.