Day 2 - 도메인 3 통합 복습: 모델링(알고리즘·딥러닝·튜닝·평가)

📌 핵심 정리

• 도메인 3(모델링)은 시험 비중 36%로 최대다. 문제 정의 → 알고리즘 선택 → 학습·튜닝 → 평가·디버깅 전 과정을 묻는다.
• 알고리즘 선택의 첫 단서는 언제나 데이터 형태다. 표=XGBoost/Linear Learner, 이미지=CNN, 시퀀스=DeepAR/RNN, 텍스트=BlazingText.
• 출력층 활성화는 문제 유형의 직역이다. 이진=Sigmoid, 다중=Softmax, 회귀=활성화 없음(선형).
• 과적합(검증만 낮음)과 과소적합(둘 다 낮음)은 증상 → 진단 → 대응이 정해져 있다. 증상 문장만 보고 즉시 분기하라.
• 지표는 비즈니스 비용의 번역이다. FP가 비싸면 Precision, FN이 비싸면 Recall, 극단 불균형이면 PR-AUC.

한 장 요약: 문제 정의에서 평가까지

시험 한 문제 걸러 한 문제가 도메인 3에서 나온다. 알고리즘 선택 → 딥러닝 → 튜닝 → 평가의 네 축을 한 흐름으로 엮어 둔다.