- 요즘 Sigmoid 보다 ReLU를 많이 쓰는데 그 이유는?
-
Non-Linearity라는 말의 의미와 그 필요성은?
-
ReLU로 어떻게 곡선 함수를 근사하나?
-
ReLU의 문제점은?
-
Bias는 왜 있는걸까?
- Gradient Descent에 대해서 쉽게 설명한다면?
-
왜 꼭 Gradient를 써야 할까?
-
그 그래프에서 가로축과 세로축 각각은 무엇인가?
-
실제 상황에서는 그 그래프가 어떻게 그려질까?
-
GD 중에 때때로 Loss가 증가하는 이유는?
-
중학생이 이해할 수 있게 더 쉽게 설명 한다면?
-
Back Propagation에 대해서 쉽게 설명 한다면?
- Local Minima 문제에도 불구하고 딥러닝이 잘 되는 이유는?
-
GD가 Local Minima 문제를 피하는 방법은?
-
찾은 해가 Global Minimum인지 아닌지 알 수 있는 방법은?
- CNN에 대해서 아는대로 얘기하라
-
CNN이 MLP보다 좋은 이유는?
-
어떤 CNN의 파라메터 개수를 계산해 본다면?
-
주어진 CNN과 똑같은 MLP를 만들 수 있나?
-
풀링시에 만약 Max를 사용한다면 그 이유는?
-
시퀀스 데이터에 CNN을 적용하는 것이 가능할까?
- Word2Vec의 원리는?
-
그 그림에서 왼쪽 파라메터들을 임베딩으로 쓰는 이유는?
-
그 그림에서 오른쪽 파라메터들의 의미는 무엇일까?
-
남자와 여자가 가까울까? 남자와 자동차가 가까울까?
-
번역을 Unsupervised로 할 수 있을까?
- Auto Encoder에 대해서 아는대로 얘기하라
-
MNIST AE를 TF나 Keras등으로 만든다면 몇줄일까?
-
MNIST에 대해서 임베딩 차원을 1로 해도 학습이 될까?
-
임베딩 차원을 늘렸을 때의 장단점은?
-
AE 학습시 항상 Loss를 0으로 만들수 있을까?
-
VAE는 무엇인가?
- Training 세트와 Test 세트를 분리하는 이유는?
-
Validation 세트가 따로 있는 이유는?
-
Test 세트가 오염되었다는 말의 뜻은?
-
Regularization이란 무엇인가?
- Batch Normalization의 효과는?
-
Dropout의 효과는?
-
BN 적용해서 학습 이후 실제 사용시에 주의할 점은? 코드로는?
-
GAN에서 Generator 쪽에도 BN을 적용해도 될까?
- SGD, RMSprop, Adam에 대해서 아는대로 설명한다면?
-
SGD에서 Stochastic의 의미는?
-
미니배치를 작게 할때의 장단점은?
-
모멘텀의 수식을 적어 본다면?
- 간단한 MNIST 분류기를 MLP+CPU 버전으로 numpy로 만든다면 몇줄일까?
-
어느 정도 돌아가는 녀석을 작성하기까지 몇시간 정도 걸릴까?
-
Back Propagation은 몇줄인가?
-
CNN으로 바꾼다면 얼마나 추가될까?
- 간단한 MNIST 분류기를 TF나 Keras 등으로 작성하는데 몇시간이 필요한가?
-
CNN이 아닌 MLP로 해도 잘 될까?
-
마지막 레이어 부분에 대해서 설명 한다면?
-
학습은 BCE loss로 하되 상황을 MSE loss로 보고 싶다면?
-
만약 한글 (인쇄물) OCR을 만든다면 데이터 수집은 어떻게 할 수 있을까?
- 간단한 MNIST DCGAN을 작성한다면 TF 등으로 몇줄 정도 될까?
-
GAN의 Loss를 적어보면?
-
D를 학습할때 G의 Weight을 고정해야 한다. 방법은?
-
학습이 잘 안될때 시도해 볼 수 있는 방법들은?
- 딥러닝할 때 GPU를 쓰면 좋은 이유는?
-
학습 중인데 GPU를 100% 사용하지 않고 있다. 이유는?
-
GPU를 두개 다 쓰고 싶다. 방법은?
-
학습시 필요한 GPU 메모리는 어떻게 계산하는가?
- TF 또는 Keras 등을 사용할 때 디버깅 노하우는?
- Collaborative Filtering에 대해 설명한다면?
- AutoML이 뭐하는 걸까?
[출처] 딥러닝 면접 질문 리스트|작성자 조민국
