2025년 국가직 7급 공개경쟁채용 인공지능 가책형 기출문제

2025년 국가직 7급 공개경쟁채용 인공지능 가책형 25문항 중 16문항의 발문과 선지입니다. 시험 시간은 25분입니다. 나머지 9문항은 그림이나 지문이 있어 앱에서 볼 수 있습니다. 정답·해설은 앱에서 볼 수 있습니다.

출처: 국가공무원 채용시스템(인사혁신처)

1. 1번 그림이나 지문이 있는 문항입니다. 앱에서 보기
2. 2번
   이진 분류기의 성능평가에 대한 설명으로 옳은 것은?
   1. ①분류기가 양성으로 판정한 것들 중에서 실제 양성인 것의 비율을 재현율(recall)이라고 한다.
   2. ②실제 음성인 것들 중에서 분류기가 음성으로 판정한 것의 비율을 특이도(specificity)라고 한다.
   3. ③실제 양성인 것들 중에서 분류기가 양성으로 판정한 것의 비율을 위양성율(false positive rate)이라고 한다.
   4. ④분류기는 민감도(sensitivity) 값이 작을수록 좋고 위양성율 값이 클수록 좋다.
3. 3번
   운전면허 시험 성적에서 합격 6명, 불합격 4명으로 구성된 데이터 세트의 지니 계수(Gini index) 값은?
   1. ①0.25
   2. ②0.48
   3. ③0.52
   4. ④1
4. 4번
   선형 회귀에서 평균제곱오차(MSE)를 최소화하는 계수를 찾는 방법은?
   1. ①주성분 분석법
   2. ②선형 판별 분석법
   3. ③최소우도법
   4. ④최소제곱법
5. 5번
   시간성을 갖는 데이터에 유용하고 문맥 의존성을 효율적으로 처리할 수 있는 신경망은?
   1. ①CNN
   2. ②KNN
   3. ③MLP
   4. ④RNN
6. 6번
   탐색 방법에 대한 설명으로 옳지 않은 것은?
   1. ①맹목적 탐색은 문제의 상태 공간 정보를 이용한다.
   2. ②깊이 우선 탐색은 너비 우선 탐색에 비해 메모리에 대한 부담이 적지만 최단 경로를 찾는다는 보장이 없다.
   3. ③너비 우선 탐색은 목표 상태를 찾을 때까지 생성된 모든 노드를 메모리에서 관리하기 때문에 메모리 비용이 크다.
   4. ④반복적 깊이 심화 탐색은 탐색 깊이 한계를 0부터 점차 증가시키면서 깊이 우선으로 탐색하는 방법이고 최단 경로 찾는 것을 보장한다.
7. 7번
   추천 시스템(recommender system)의 유형 중 협업 기반 추천과 내용 기반 추천에 대한 설명으로 옳지 않은 것은?
   1. ①내용 기반 추천은 메모리 기반 방법과 모델 기반 방법이 있고 콜드 스타트(cold start) 문제가 발생한다.
   2. ②아이템 기반 추천은 이전에 구매한 아이템을 기반으로 그 상품과 유사한 다른 상품을 추천하는 방법이다.
   3. ③사용자 기반 추천은 나와 비슷한 성향을 지닌 사용자의 데이터를 기반으로 상품을 추천하는 방법이다.
   4. ④추천 시스템은 콘텐츠의 내용에 기반하거나 사람들의 성향 정보를 취득한 후 개인화된 맞춤 항목을 추천한다.
8. 8번
   규칙 기반 시스템에 대한 설명으로 옳지 않은 것은?
   1. ①경합 해소(conflict resolution)는 여러 규칙을 동시에 실행할 경우 모순이 발생할 수 있기 때문에 실행 가능한 규칙들 중에서 한 개를 선택하는 것을 의미한다.
   2. ②전향 추론(forward chaining)은 규칙의 조건부를 만족시키는 사실이 있을 때 규칙의 결론부를 실행하거나 처리한다.
   3. ③후향 추론(backward chaining)은 특정 사실을 확인하기 위해 해당 사실을 결론부에 포함하는 규칙의 조건부가 만족하는지 확인해 가는 방식으로 추론한다.
   4. ④추론 엔진(inference engine)은 경합 해소→패턴 매칭(pattern matching)→규칙 실행(rule execution)의 과정을 반복하여 추론한다.
9. 9번
   \mathrm{A}^{*} 알고리즘에 대한 설명으로 옳지 않은 것은?
   1. ①\mathrm{A}^{*} 알고리즘의 평가함수는 f ( n )＝g ( n )＋h ( n )으로 표현한다.
   2. ②휴리스틱 함수 {\hat{{h}}} ( n )이 실제 남은 비용을 과대평가하지 않으면 허용성(admissibility)을 만족한다.
   3. ③시작 노드에서 노드 n까지의 실제 비용 g ( n )은 탐색이 진행됨에 따라 감소할 수 있다.
   4. ④휴리스틱 함수 {\hat{{h}}} ( n )이 허용성을 만족하면 \mathrm{A}^{*} 알고리즘은 항상 최적해를 찾는다.
10. 10번 그림이나 지문이 있는 문항입니다. 앱에서 보기
11. 11번
    기계 학습에 대한 설명으로 옳지 않은 것은?
    1. ①군집화와 밀도추정 문제는 일반적으로 비지도 학습 방식을 사용한다.
    2. ②지도 학습의 학습 데이터는 입력과 기대 출력 정보의 쌍으로 구성된다.
    3. ③데이터 증강은 입력 데이터를 저차원 데이터로 압축하는 인코더 형태의 모델을 통해 학습한다.
    4. ④프로그램을 명시적으로 작성하지 않고 컴퓨터가 학습할 수 있는 능력을 갖추게 하는 기술이다.
12. 12~13번 그림이나 지문이 있는 문항입니다. 앱에서 보기
13. 14번
    빅데이터 분석을 위한 데이터 마이닝에 대한 설명으로 옳지 않은 것은?
    1. ①정제되지 않은 대용량의 데이터로부터 의미 있는 상관관계, 패턴, 추세 등을 발견한다.
    2. ②트랜잭션에서 항목 간의 불순도를 표현하기 위해 최소지지도와 최소신뢰도를 사용한다.
    3. ③저장된 데이터를 정제(cleaning), 통합(integration)하여 잡음과 불일치를 제거하고 데이터 웨어하우스에 저장한다.
    4. ④대규모 데이터에서 암묵적인, 이전에 알려지지 않은, 잠재적으로 유용할 것 같은 정보나 지식을 추출하는 체계적인 과정이다.
14. 15번 그림이나 지문이 있는 문항입니다. 앱에서 보기
15. 16번
    결정 트리 학습 알고리즘에 대한 설명으로 옳지 않은 것은?
    1. ①C4.5, C5.0, CHAID, CART 등의 알고리즘이 있다.
    2. ②엔트로피는 어떤 집단에 각 부류의 데이터들이 균등한 비율로 섞여 있을수록 작아지는 특성이 있다.
    3. ③ID3 알고리즘은 범주형 속성값을 갖는 학습 데이터로부터 엔트로피 개념을 사용하여 결정 트리를 만든다.
    4. ④정보 이득(information gain)은 특정한 속성이 원하는 분류 방식에 부합하게 데이터를 나누는지를 측정할 수 있는 척도이다.
16. 17번 그림이나 지문이 있는 문항입니다. 앱에서 보기
17. 18번
    딥러닝 모델의 출력 노드가 3개(A, B, C)로 구성되어 있고, 각 출력 노드의 값이 A＝3.0, B＝2.0, C＝1.0이라고 하면 활성화 함수로 소프트맥스(softmax) 함수를 사용하였을 때 출력 노드 B를 변환한 근삿값은? (단, 자연 상수 e＝3.0으로 가정한다)
    1. ①0.23
    2. ②0.33
    3. ③0.67
    4. ④0.83
18. 19번
    워드 임베딩(word embedding)에 대한 설명으로 옳지 않은 것은?
    1. ①N-gram은 문자열에서 N개의 연속된 요소이다.
    2. ②원－핫 인코딩(one-hot encoding)은 단어 개수가 많아질수록 벡터를 저장하기 위한 공간이 계속해서 늘어난다는 단점이 있다.
    3. ③TF-IDF는 단어마다 가중치를 부여하여 단어를 벡터로 변환하는 방법으로 TF는 특정 단어가 등장한 문서의 수를 의미한다.
    4. ④워드투벡터(Word2Vec)는 비슷한 컨텍스트에 등장하는 단어들이 유사한 의미를 지닌다는 이론에 기반을 두고 단어를 벡터로 표현해 주는 기법이다.
19. 20번
    컨볼루션 신경망(CNN)에 대한 설명으로 옳지 않은 것은?
    1. ①학습 알고리즘은 기본적으로 경사 하강법을 사용하는 역전파 알고리즘이다.
    2. ②컨볼루션 신경망을 분류 문제에 사용하는 경우, 마지막 층은 소프트맥스층으로 구성된다.
    3. ③컨볼루션 신경망에서 활성화 함수로 시그모이드를 사용하면 ReLU 함수에 비해 계산시간이 줄어든다.
    4. ④풀링층(pooling layer)은 합성곱층의 출력 데이터를 입력으로 받아서 특징맵의 크기를 줄이거나 특징을 추출하는 용도로 사용된다.
20. 21번 그림이나 지문이 있는 문항입니다. 앱에서 보기
21. 22번
    퍼지 집합론에서 영역 X \,의 특정 원소 x가 있을 때, 퍼지 소속 함수(membership function) \mu_{A} ( x )는 x가 집합 A에 속하는 정도이다. 퍼지 집합 연산 중 합집합으로 옳은 것은?
    1. ①\mu_{{A}} ( x ) \, + \, \mu_{{B}} ( x )
    2. ②\mu_{{A}} ( x ) \, \times \, \mu_{{B}} ( x )
    3. ③\min ( \mu_{{A}} ( x ) , \, \, \mu_{{B}} ( x ) )
    4. ④\max ( \mu_{{A}} ( x ) , \, \, \mu_{{B}} ( x ) )
22. 23번 그림이나 지문이 있는 문항입니다. 앱에서 보기
23. 24번
    품사 태깅(POS tagging)에 대한 설명으로 옳지 않은 것은?
    1. ①구문에 따라 주어진 문장에서 단어들의 역할을 파악하여 계층적인 트리 구조로 변환한다.
    2. ②문장의 각 단어에 품사의 범주 및 문법적 기능에 대한 태그를 붙인다.
    3. ③컴퓨터가 읽을 수 있는 형태로 텍스트를 모아놓은 말뭉치(corpus)를 사용한다.
    4. ④규칙 기반 품사 태깅은 언어 정보를 이용하여 수작업으로 만든 규칙들을 사용한다.
24. 25번 그림이나 지문이 있는 문항입니다. 앱에서 보기