{"product_id":"110318","title":"인사이드 머신러닝 인터뷰","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jYEEOAuSkvXlWIzXHiTBzr2Erkg2W.png?v=1765099683\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\u003ccenter\u003e\n\u003cdiv style=\"width:95%\"\u003e\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e인사이드 머신러닝 인터뷰\u003c\/div\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/125294888\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003eDescription\u003c\/div\u003e\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e책소개\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e \u003cdiv\u003e  \u003cb\u003eML 면접을 위한 기본기부터 실무를 위한 실용적인 접근법까지\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003eML 면접에서 어떤 질문에도 자신 있게 대처하려면 전체 ML 워크플로와 관련 핵심 개념을 명확히 정리해야 한다.\u003cbr\u003e이 책은 ML 기본 지식과 코딩 면접부터 시스템 및 인프라 설계 면접까지 단계별로 따라가며 지원자가 꼭 준비해야 할 문제와 해결 전략을 살펴본다.\u003cbr\u003e저자는 아마존과 트위터, AI 스타트업을 거치며 천 명에 가까운 지원자를 면접한 경험을 바탕으로 빅테크 ML 면접에서 자주 묻는 질문 194가지와 최선의 답변을 구성하는 노하우를 풀어낸다.\u003cbr\u003e책에서 제시하는 키워드 중심의 명쾌한 답변과 면접 관련 팁을 활용해 자신 있는 부분은 보강하고 부족한 부분은 충실히 보완해 면접을 성공으로 이끌어보자.\u003cbr\u003e \u003c\/div\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cul\u003e \u003cli\u003e 책의 일부 내용을 미리 읽어보실 수 있습니다.\u003cbr\u003e\u003cspan\u003e미리보기\u003c\/span\u003e\n\u003c\/li\u003e \u003c\/ul\u003e \u003c\/div\u003e \u003c\/div\u003e \u003cbr\u003e\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e목차\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e  \u003cb\u003e1장 ML 면접에 임하기\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e테크니컬 폰 스크린\u003cbr\u003eML 기본 지식 면접\u003cbr\u003eML 코딩 면접\u003cbr\u003eML 시스템 설계 면접\u003cbr\u003e기타 면접\u003cbr\u003e우수한 답변의 필수 요소\u003cbr\u003e\u003cbr\u003e\u003cb\u003e2장 ML 기본 지식\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003eQ2.1 데이터셋 수집 단계\u003cbr\u003eQ2.2 데이터 수집 시 문제\u003cbr\u003eQ2.3 데이터 수집 시 고려 사항\u003cbr\u003eQ2.4 레이블 불균형 처리\u003cbr\u003eQ2.5 누락된 레이블 처리\u003cbr\u003eQ2.6 입력 피처 유형\u003cbr\u003eQ2.7 피처 선택과 중요도\u003cbr\u003eQ2.8 피처 선택 방법\u003cbr\u003eQ2.9 누락된 피처값\u003cbr\u003eQ2.10 모델링 알고리즘\u003cbr\u003eQ2.11 로지스틱 회귀 작동 방식\u003cbr\u003eQ2.12 로지스틱 회귀 손실 함수\u003cbr\u003eQ2.13 경사하강법 최적화\u003cbr\u003eQ2.14 하이퍼파라미터 튜닝\u003cbr\u003eQ2.15 모델 과적합 처리\u003cbr\u003eQ2.16 정규화 기법\u003cbr\u003eQ2.17 선형 회귀와 로지스틱 회귀\u003cbr\u003eQ2.18 신경망 활성화 함수\u003cbr\u003eQ2.19 의사 결정 트리, 랜덤 포레스트, 그래디언트 부스팅 결정 트리\u003cbr\u003eQ2.20 부스팅과 배깅\u003cbr\u003eQ2.21 비지도 학습 기법\u003cbr\u003eQ2.22 k-평균 작동 방식\u003cbr\u003eQ2.23 준지도 학습 기법\u003cbr\u003eQ2.24 손실 함수 유형\u003cbr\u003eQ2.25 손실 함수 볼록성\u003cbr\u003eQ2.26 분류 모델 평가 지표\u003cbr\u003eQ2.27 회귀 모델 평가 지표\u003cbr\u003eQ2.28 모델 최적화\u003cbr\u003eQ2.29 모델 성능 개선\u003cbr\u003e\u003cbr\u003e\u003cb\u003e3장 ML 코딩\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003eQ3.1 k-평균\u003cbr\u003eQ3.2 k-최근접 이웃\u003cbr\u003eQ3.3 의사 결정 트리\u003cbr\u003eQ3.4 선형 회귀\u003cbr\u003eQ3.5 평가 지표\u003cbr\u003eQ3.6 저수지 샘플링\u003cbr\u003eQ3.7 확률 문제\u003cbr\u003eQ3.8 해시 테이블과 분산 프로그래밍 문제\u003cbr\u003eQ3.9 그래프 문제\u003cbr\u003eQ3.10 문자열 문제\u003cbr\u003eQ3.11 배열 문제\u003cbr\u003e\u003cbr\u003e\u003cb\u003e4장 ML 시스템 설계 1 - 추천 시스템\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003eQ4.1 시스템 목적\u003cbr\u003eQ4.2 시스템 지표\u003cbr\u003eQ4.3 추천 콘텐츠 유형\u003cbr\u003eQ4.4 추천 콘텐츠 혼합\u003cbr\u003eQ4.5 시스템 운영 매개변수\u003cbr\u003eQ4.6 시스템 구성 요소\u003cbr\u003eQ4.7 콜드 스타트 문제\u003cbr\u003eQ4.8 데이터셋 유형\u003cbr\u003eQ4.9 데이터셋 수집 기법\u003cbr\u003eQ4.10 데이터셋 편향\u003cbr\u003eQ4.11 서빙 편향 완화\u003cbr\u003eQ4.12 위치 편향 완화\u003cbr\u003eQ4.13 추천 후보 출처\u003cbr\u003eQ4.14 추천 후보 생성 단계\u003cbr\u003eQ4.15 추천 후보 생성 알고리즘\u003cbr\u003eQ4.16 임베딩 기술\u003cbr\u003eQ4.17 대규모 추천 시스템의 후보 스코어링\u003cbr\u003eQ4.18 신규 콘텐츠 색인화\u003cbr\u003eQ4.19 추천 후보 병합 및 정리\u003cbr\u003eQ4.20 사전 랭킹 모델 학습\u003cbr\u003eQ4.21 사전 랭킹 모델 평가 지표\u003cbr\u003eQ4.22 사전 랭킹 모델 알고리즘\u003cbr\u003eQ4.23 사전 랭킹 모델 최적화\u003cbr\u003eQ4.24 랭킹 모델 주요 피처\u003cbr\u003eQ4.25 텍스트 또는 ID 기반 피처\u003cbr\u003eQ4.26 횟수 기반 피처\u003cbr\u003eQ4.27 헤비 랭킹 모델 학습\u003cbr\u003eQ4.28 헤비 랭킹 모델 알고리즘\u003cbr\u003eQ4.29 랭킹 모델 아키텍처\u003cbr\u003eQ4.30 랭킹 모델 예측값 보정\u003cbr\u003eQ4.31 랭킹 모델 평가 지표\u003cbr\u003eQ4.32 다중 작업 모델과 개별 모델\u003cbr\u003eQ4.33 모델 서빙 시스템\u003cbr\u003eQ4.34 캐싱\u003cbr\u003eQ4.35 모델 업데이트\u003cbr\u003eQ4.36 온라인 실험\u003cbr\u003eQ4.37 모델 로드\u003cbr\u003eQ4.38 모델 실험 고려 사항\u003cbr\u003eQ4.39 오프라인 평가 지표\u003cbr\u003eQ4.40 온라인 성능 저하\u003cbr\u003e\u003cbr\u003e\u003cb\u003e5장 ML 시스템 설계 2 - 응용\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003eQ5.1 문서 파싱\u003cbr\u003eQ5.2 감성 분석\u003cbr\u003eQ5.3 토픽 모델링 기법\u003cbr\u003eQ5.4 문서 요약\u003cbr\u003eQ5.5 자연어 이해\u003cbr\u003eQ5.6 지도 학습 레이블\u003cbr\u003eQ5.7 비지도 학습 피처\u003cbr\u003eQ5.8 판별적 문제 피처\u003cbr\u003eQ5.9 생성 모델 피처\u003cbr\u003eQ5.10 정보 추출 모델 구축\u003cbr\u003eQ5.11 정보 추출 평가 지표\u003cbr\u003eQ5.12 분류 모델 구축\u003cbr\u003eQ5.13 회귀 모델 구축\u003cbr\u003eQ5.14 토픽 할당\u003cbr\u003eQ5.15 토픽 모델링 평가 지표\u003cbr\u003eQ5.16 문서 클러스터링 모델 구축\u003cbr\u003eQ5.17 클러스터링 평가 지표\u003cbr\u003eQ5.18 텍스트 생성 모델 구축\u003cbr\u003eQ5.19 텍스트 생성 평가 지표\u003cbr\u003eQ5.20 모델링 워크플로\u003cbr\u003eQ5.21 오프라인 예측\u003cbr\u003e\u003cbr\u003e\u003cb\u003e6장 ML 인프라 설계\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003eQ6.1 모델 개발 가속화\u003cbr\u003eQ6.2 모델 학습 가속화\u003cbr\u003eQ6.3 모델 학습 분산\u003cbr\u003eQ6.4 모델 학습 파이프라인 평가\u003cbr\u003eQ6.5 분산 학습 오류\u003cbr\u003eQ6.6 모델 업데이트\u003cbr\u003eQ6.7 모델 최적화\u003cbr\u003eQ6.8 서빙 시스템 구성 요소\u003cbr\u003eQ6.9 서빙 시 문제\u003cbr\u003eQ6.10 피처 수화 개선\u003cbr\u003eQ6.11 지연 시간 개선\u003cbr\u003eQ6.12 많은 요청 처리하기\u003cbr\u003eQ6.13 서빙 시 모델 업데이트\u003cbr\u003eQ6.14 모델 배포와 롤백\u003cbr\u003eQ6.15 서버 모니터링\u003cbr\u003eQ6.16 서빙 시 성능 저하\u003cbr\u003e\u003cbr\u003e\u003cb\u003e7장 고급 ML 문제\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003eQ7.1 지연된 레이블\u003cbr\u003eQ7.2 레이블 없이 학습하기\u003cbr\u003eQ7.3 가격 모델\u003cbr\u003e\u003cbr\u003e부록 A 생성 모델: 노이지 채널 모델에서 LLM까지\u003cbr\u003eA.1 기계 번역(MT)\u003cbr\u003eA.2 자동 음성 인식(ASR)\u003cbr\u003eA.3 트랜스포머로의 수렴\u003cbr\u003eA.4 현실의 과제를 위한 미세 조정\u003cbr\u003e\u003cbr\u003e참고자료\u003cbr\u003e찾아보기 \u003c\/div\u003e \u003cdiv\u003e\u003c\/div\u003e \u003c\/div\u003e \u003cbr\u003e\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e상세 이미지\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e \u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate4438\/MidCate007\/443766391.jpg\" border=\"0\" alt=\"상세 이미지 1\"\u003e \u003c\/div\u003e \u003c\/div\u003e \u003cbr\u003e\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e출판사 리뷰\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e  \u003cb\u003e아마존과 트위터, AI 스타트업을 거친 베테랑 면접관이자\u003cbr\u003eML 엔지니어가 제시하는 성공적인 ML 면접을 위한 노하우\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003eML 면접을 앞둔 지원자라면 어떤 역량을 개발해야 할지, 어떤 주제를 중점으로 학습해야 할지, 답변할 때 무엇을 고려해야 할지 등 고민이 많을 겁니다.\u003cbr\u003e이 책은 ML 분야 취업에 필요한 역량 정리부터 실무 중심의 탄탄한 문제 해결 전략, 최신 기술을 반영한 부록과 참고자료까지 제공합니다.\u003cbr\u003e\u003cbr\u003e첫째, ML 분야 취업에 꼭 필요한 실무 워크플로 핵심 지식\u003cbr\u003eFAANG을 비롯한 빅테크 기업의 ML 면접에서 자주 묻는 질문 194가지를 담았습니다.\u003cbr\u003e간결한 질문과 키워드 중심의 명쾌한 답변으로 구성되어 있어 면접에 앞서 내용을 정리하는 데 유용합니다.\u003cbr\u003e이해를 돕기 위해 어려운 개념이나 모호한 표현에는 풍부한 역자주를 더했습니다.\u003cbr\u003e\u003cbr\u003e둘째, 기본부터 심화 문제까지 대비하기 위한 단계별 지침\u003cbr\u003e다섯 가지 면접 세션(ML 기본 지식 - ML 코딩 - ML 시스템 설계 - ML 인프라 설계 - 고급 ML 문제)으로 구성되어 있어 각자 지원하는 포지션과 난이도, 필요에 따라 내용을 찾아 보기 쉽습니다.\u003cbr\u003e\u003cbr\u003e셋째, 핵심 키워드 중심으로 강력한 답변을 구성하는 전략\u003cbr\u003e질문에 관한 핵심 키워드를 뽑아내고, 여러 가지 접근 방식을 비교하고, 장단점과 트레이드오프를 논하는 등 ML 면접에서 높은 점수를 얻기 위한 답변 구성 전략을 소개합니다.\u003cbr\u003e\u003cbr\u003e넷째, 실제 시나리오 기반의 실무 중심 문제 해결 방식\u003cbr\u003eML 수명 주기 전반에 걸친 실용적인 개념과 시나리오를 다루므로 면접을 준비하는 구직자뿐 아니라 숙련된 실무자가 기본기를 확실히 다지는 데 도움이 됩니다.\u003cbr\u003e\u003cbr\u003e\u003cb\u003e이 책이 필요한 독자\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e- ML 관련 직군을 희망하는 취업 준비생\u003cbr\u003e- ML 분야에서 경쟁력을 높이고 싶은 실무자 \u003c\/div\u003e \u003cdiv\u003e\u003c\/div\u003e \u003c\/div\u003e \u003c\/div\u003e\n\u003c\/div\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003eGOODS SPECIFICS\u003c\/div\u003e\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003e발행일 : \u003c\/strong\u003e2024년 03월 15일\u003c\/div\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003e쪽수, 무게, 크기 : \u003c\/strong\u003e332쪽 | 776g | 183*235*19mm\u003c\/div\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003eISBN13 : \u003c\/strong\u003e9791169212120\u003c\/div\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003eISBN10 : \u003c\/strong\u003e1169212123\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\u003ccenter\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cspan\u003e\u003c\/span\u003e\n\u003c\/center\u003e\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893771010090,"sku":"110318","price":37.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/dd3a28997bd571372ed26d6330a913af.jpg?v=1765415925","url":"https:\/\/librairie.coreenne.fr\/ko\/products\/110318","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}