2급
다양한 AI의 기본 지식과 함께 근거 있는 깊은 견해를 설명합니다.
응시 자격
3급 자격증을 딴 뒤 1년이 지나야 응시할 수 있습니다.
화면 공유 인터뷰
심사관이 컴퓨터 환경을 먼저 확인한 뒤 질문합니다. 즉시 대응하고 요청한 작업을 빠르게 완수해야 합니다.
- Zoom에서 창이나 탭이 아닌 화면 전체를 공유합니다.
- 심사관에게 공유 컴퓨터의 을 줍니다. 심사관은 의 디스플레이 설정을 직접 조작해 추가로 연결된 모니터가 없는지 먼저 확인합니다.
- 확인이 끝나면 공유 화면에서 직접 답변하고 작업합니다. 평가 대상 도구를 직접 활용하는 것은 인터뷰의 일부이며, 답변·해결을 몰래 나 다른 사람에게 대신 맡기는 것은 치팅입니다.
필수 프로그래밍 언어
5급부터 1급까지 모든 급수의 공통 필수입니다.
Shell Scripting
을 만들고 돌리는 컴퓨터를 다루는 바탕 언어입니다.
이 자격증은 5급부터 1급까지 모든 급수에서 을 요구합니다. 인공지능을 밑바닥부터 만드는 일 — 를 내려받고, 을 돌리고, 결과를 옮기고, 을 에 올리는 일 — 은 대개 에서 이루어지고, 모델을 어떤 언어로 짰든 그것을 실행하고 이어 붙이고 하는 것은 입니다. ( 없이 화면으로 모델을 만드는 도구도 있고, 나 앱에서 인공지능을 쓰기만 할 때는 이 필요 없습니다. 이 자격증은 만들고 자동화하는 힘을 보기 때문에 쉘을 요구합니다.)
쉘 프로그래밍 배우러 가기설계 질문 예시
특정 주제의 인공지능을 어떻게 만들겠습니까? 목적·자료·도구와 결과를 검증하는 방법을 설명하세요.
이것은 설계 질문의 한 예입니다. 인터뷰에서는 이 문제 하나만이 아니라 각 급수에 맞는 여러 질문과 과제를 제시합니다.
무엇을 배우나
- 다양한 종류의 AI에 관한 기본 원리를 설명합니다.
- 접근 방법·한계·평가 방법을 비교합니다.
- 근거와 사례로 자신의 AI 견해를 설명하고 후속 질문에 답합니다.
어떻게 평가하나
- 지식의 범위가 넓고 정확한가
- 판단에 근거와 구체적인 사례를 제시했는가
- 한계와 대안을 깊이 있게 논의했는가
시험 구성
필기시험과 실기시험은 없습니다. Zoom에서 화면 전체를 공유하는 인터뷰 하나로 급수를 정합니다. 심사관이 급수에 맞는 질문을 하면 응시자는 자신의 말로 바로 설명하고, 심사관은 꼬리 질문으로 이해의 깊이를 확인합니다.
예상 인터뷰 질문
아래 20개는 인터뷰에서 심사관이 할 수 있는 질문의 예입니다. 정답 낱말 하나를 맞히는 것이 아니라 소리 내어 설명해 보세요. 펼치면 설명 예시와 꼬리 질문이 보입니다. 공식 시험 문제는 아닙니다.
평가 지표
-
1
심사관 (Precision)가 무엇인지 스팸 메일 거르기의 예로 설명해 보세요.
설명 예시 보기
설명 예시 정밀도는 이 ""이라고 답한 것 가운데 실제로 양성인 것의 비율입니다. 스팸이라고 걸러 낸 메일 가운데 진짜 스팸의 비율이며, 정밀도가 낮으면 멀쩡한 메일이 스팸함으로 많이 갑니다.
꼬리 질문 정밀도를 높이려고 기준을 아주 엄격하게 하면 어떤 문제가 생기나요?
-
2
심사관 (Recall)이 무엇이고, 와 어떤 관계인지 설명해 보세요.
설명 예시 보기
설명 예시 재현율은 실제 가운데 이 양성이라고 찾아낸 것의 비율입니다. 재현율이 낮으면 스팸이 받은편지함으로 많이 들어오고, 정밀도와 재현율은 보통 한쪽을 올리면 다른 쪽이 내려갑니다.
꼬리 질문 암 검진 모델이라면 정밀도와 재현율 가운데 무엇을 더 중요하게 보겠습니까? 왜 그런가요?
-
3
심사관 (F1 Score)가 무엇이고, 왜 와 을 그냥 평균하지 않는지 설명해 보세요.
설명 예시 보기
설명 예시 F1 점수는 정밀도와 재현율의 으로, 둘을 숫자 하나로 견줄 때 씁니다. 조화 평균이라 둘 가운데 하나만 높고 다른 하나가 낮으면 F1 점수도 낮게 나옵니다.
꼬리 질문 F1 점수만 보고 을 고르면 놓칠 수 있는 것은 무엇일까요?
-
4
심사관 (Confusion Matrix)이 무엇이고, 다른 와 어떤 관계인지 설명해 보세요.
설명 예시 보기
설명 예시 혼동 행렬은 실제 정답과 의 예측을 참 ···참 음성의 칸으로 나누어 세어 놓은 표입니다. ··은 모두 이 표의 칸을 세어서 계산합니다.
꼬리 질문 거짓 양성과 거짓 음성 가운데 어느 쪽이 더 비싼 실수인지는 무엇으로 정하나요?
-
5
심사관 (Perplexity)가 무엇을 재는 지표인지, 값이 10 이라는 것이 무슨 뜻인지 설명해 보세요.
설명 예시 보기
설명 예시 퍼플렉서티는 이 다음 을 얼마나 헷갈려 하는지를 나타내며 낮을수록 좋습니다. 값이 10 이면 다음 토큰을 고를 때 대략 10개 후보 사이에서 망설이는 것과 비슷하다는 뜻입니다.
꼬리 질문 퍼플렉서티가 낮은 이 대화에서는 덜 쓸모 있을 수도 있는 까닭은 무엇일까요?
속도와 비용
-
6
심사관 (Latency)이 무엇이고, 대화형 서비스에서 특히 어떤 시간이 중요한지 설명해 보세요.
설명 예시 보기
설명 예시 지연 시간(Latency, 레이턴시)은 질문을 보낸 뒤 응답이 돌아오기까지 걸리는 시간입니다. 대화형 서비스는 첫 글자가 나오기까지의 시간이 특히 중요합니다.
꼬리 질문 첫 글자가 나오는 시간을 줄이려면 어떤 방법을 쓸 수 있을까요?
-
7
심사관 (Throughput)이 무엇이고, 과 어떻게 맞바뀌는지 설명해 보세요.
설명 예시 보기
설명 예시 처리량은 초당 처리하는 수처럼 정해진 시간 동안 처리할 수 있는 일의 양입니다. 요청을 묶어 한꺼번에 처리하면 처리량은 늘지만 요청 하나의 지연 시간은 늘 수 있습니다.
꼬리 질문 많은 사람이 동시에 쓰는 서비스와 혼자 쓰는 도구에서 무엇을 더 중요하게 보겠습니까?
-
8
심사관 (Knowledge Distillation)가 무엇이고, 어떤 설계 선택인지 설명해 보세요.
설명 예시 보기
설명 예시 지식 증류는 큰 (선생)의 출력을 흉내 내도록 작은 모델(학생)을 학습시켜, 성능은 비슷하게 두면서 크기를 줄이는 방법입니다. 작은 모델은 더 빠르고 싸게 돌아, 속도·비용과 를 맞바꾸는 대표적인 설계입니다.
꼬리 질문 학생 모델이 선생 모델보다 확실히 못한 분야가 생긴다면 어떻게 확인하겠습니까?
-
9
심사관 (KV Cache)가 무엇이고, 무엇을 얻고 무엇을 치르는지 설명해 보세요.
설명 예시 보기
설명 예시 KV 캐시는 이 글을 생성할 때 앞에서 계산한 의 키(Key)와 값(Value)을 저장해 두고 다시 쓰는 저장 공간입니다. 이미 나온 을 매번 다시 계산하지 않아 빨라지는 대신, 글이 길어질수록 를 많이 씁니다.
꼬리 질문 가 아주 길어질 때 KV 캐시의 메모리를 줄이는 방법에는 무엇이 있을까요?
-
10
심사관 (Pruning)가 무엇이고, 이름이 어디에서 왔는지 설명해 보세요.
설명 예시 보기
설명 예시 가지치기(Pruning, 프루닝)는 된 에서 중요도가 낮은 나 연결을 잘라 내어 모델을 가볍게 만드는 방법입니다. 나무의 쓸모없는 가지를 치는 것에 빗댄 이름입니다.
꼬리 질문 가지치기와 를 함께 쓸 때 주의할 점은 무엇일까요?
설계 선택지
-
11
심사관 구조가 무엇이고, 가 많아도 계산량이 줄어드는 까닭을 설명해 보세요.
설명 예시 보기
설명 예시 MoE (Mixture of Experts, 전문가 혼합)는 여러 "전문가" 하위 가운데 입력마다 일부만 골라 계산하는 구조입니다. 전체 매개변수는 크지만 하나를 처리할 때는 몇 개의 전문가만 일해서 계산량이 줄어듭니다.
꼬리 질문 계산량은 줄어도 는 왜 여전히 많이 필요할까요?
-
12
심사관 가 무엇이고, 큰 을 적은 비용으로 할 수 있는 까닭을 설명해 보세요.
설명 예시 보기
설명 예시 LoRA (Low-Rank Adaptation)는 원래 는 그대로 얼려 두고 작은 저랭크 만 더 하는 미세 조정 방법입니다. 학습할 가 아주 적어서, 큰 모델도 적은 로 미세 조정할 수 있습니다.
꼬리 질문 LoRA 대신 전체 미세 조정을 골라야 하는 경우는 언제일까요?
-
13
심사관 가 무엇이고, 어떤 순서로 을 다듬는지 설명해 보세요.
설명 예시 보기
설명 예시 RLHF (Reinforcement Learning from Human Feedback)는 사람이 두 답 가운데 더 나은 것을 고른 자료로 을 만들고, 그 보상으로 언어 모델을 강화 학습시키는 방법입니다. 대화형 언어 모델이 사람이 원하는 방식으로 답하도록 다듬을 때 쓰입니다.
꼬리 질문 보상 모델의 허점을 언어 모델이 파고들면 어떤 일이 생길까요?
-
14
심사관 (Vector Database)가 무엇이고, 설계에서 어떤 역할을 하는지 설명해 보세요.
설명 예시 보기
설명 예시 벡터 데이터베이스는 를 저장해 두고, 주어진 와 가까운 벡터를 빠르게 찾아 주는 입니다. RAG 설계에서 질문과 뜻이 가까운 문서를 찾을 때 씁니다.
꼬리 질문 문서가 적을 때도 벡터 데이터베이스가 꼭 필요할까요?
-
15
심사관 (Cosine Similarity)가 무엇을 재는지, 값의 범위와 함께 설명해 보세요.
설명 예시 보기
설명 예시 코사인 유사도는 두 사이의 각도로 방향이 얼마나 비슷한지를 재는 이며, 에서 흔히 씁니다. 방향이 같으면 1, 직각이면 0, 반대 방향이면 -1 입니다.
꼬리 질문 벡터의 길이가 중요한 경우라면 어떤 거리를 대신 쓸 수 있을까요?
구현 도구
-
16
심사관 가 무엇이고, 순수 보다 계산이 빠른 까닭을 설명해 보세요.
설명 예시 보기
설명 예시 NumPy (넘파이)는 파이썬에서 다차원 배열과 빠른 수치 계산을 제공하는 로, 라이브러리 대부분이 바탕으로 삼습니다. 반복문 대신 배열 전체를 한 번에 계산해서 같은 일을 순수 파이썬보다 훨씬 빠르게 합니다.
꼬리 질문 배열의 모양이 다른 두 값을 더할 때 NumPy 는 어떻게 처리하나요?
-
17
심사관 가 무엇이고, 누가 만들고 지금은 누가 관리하는지 설명해 보세요.
설명 예시 보기
설명 예시 PyTorch (파이토치)는 메타(Meta)가 처음 만들어 공개한, 을 지원하는 대표적인 입니다. 지금은 재단 아래의 PyTorch 재단이 관리합니다.
꼬리 질문 연구용으로 PyTorch 를 많이 고르는 까닭은 무엇이라고 생각하나요?
-
18
심사관 (Automatic Differentiation)이 무엇이고, 에서 왜 핵심 기능인지 설명해 보세요.
설명 예시 보기
설명 예시 자동 미분(Automatic Differentiation, autograd)은 사람이 식으로 풀지 않아도 계산 과정을 따라가며 함수의 를 자동으로 구해 주는 기능입니다. 를 직접 짜지 않아도 되게 해 주는 딥러닝 프레임워크의 핵심 기능입니다.
꼬리 질문 자동 미분은 (아주 작은 값을 더해 보는 방법)과 무엇이 다른가요?
-
19
심사관 활성화 함수가 무엇이고, 왜 널리 쓰이는지 설명해 보세요.
설명 예시 보기
설명 예시 ReLU (Rectified Linear Unit)는 층의 출력에 적용해 0보다 작은 값은 0으로 바꾸고 큰 값은 그대로 두는 활성화 함수로, 식으로는 max(0, x) 입니다. 계산이 간단해서 깊은 을 빠르게 합니다.
꼬리 질문 활성화 함수가 하나도 없으면 층을 아무리 쌓아도 어떤 한계가 생기나요?
-
20
심사관 가 무엇이고, "에서는 되는데" 문제를 어떻게 막아 주는지 설명해 보세요.
설명 예시 보기
설명 예시 Docker (도커)는 을 (·설정)과 함께 묶어 어느 컴퓨터에서나 똑같이 돌게 해 주는 도구입니다. 만든 것을 다른 컴퓨터나 로 그대로 옮겨 돌릴 때 씁니다.
꼬리 질문 컨테이너와 은 무엇이 다른가요?