2023년 5급 공채 기술 2차 인공지능

문제 3개 · 100점. 참고 답안·채점 기준은 앱에서 볼 수 있습니다.

제1문 (30점)

모델 A, B, C, D의 재현율(recall)과 위양성률(false positive rate)이 다음과 같다.

모델	재현율	위양성률
A	0.3	0.6
B	0.8	0.8
C	0.9	0.2
D	0.1	0.8

다음 물음에 답하시오. (총 30점)

(1) F1 score의 수식을 제시하고, 주어진 데이터로는 계산할 수 없는 이유를 설명하시오. (15점)
(2) 모델 A, B, C, D의 특이도(specificity)를 구하시오. (15점)

제2문 (30점)

2계층으로 구성된 신경망에서 입력값은 {bmatrix {2 \ 1}}이고 첫 번째 층의 가중치 행렬은 {bmatrix {- 2 \ 1 \ 1 \\ 1 \ 2 \ - 1}}, 두 번째 층의 가중치 행렬은 {bmatrix {1 \ 0 \\ 0 \ 1 \\ 1 \ 1}}이다. 첫 번째 층의 활성화 함수는 ReLU를 사용하고 두 번째 층의 활성화 함수는 항등 함수( f ( x ) = x )를 사용한다. 다음 물음에 답하시오. (총 30점)

(1) 활성화 함수 ReLU와 Sigmoid의 차이점을 수식과 그래프를 사용하여 설명하시오. (15점)
(2) 이 신경망의 출력값을 구하시오. (15점)

제3문 (40점)

다음과 같은 데이터를 가지고 K-Means 알고리즘으로 군집화하고자 한다.
[그림]
다음 물음에 답하시오. (단, K＝2) (총 40점)

(1) K-Means 알고리즘의 동작 단계를 서술하시오. (20점)
(2) C와 E를 최초 중심점으로 설정하여 K-Means 알고리즘으로 군집화를 하고자 할 때, 최종 군집 구성까지 모든 단계의 중심점 좌표, 중심점과의 거리, 단계별 군집 요소를 기술하시오. (단, 거리는 맨해튼 거리(( a_{{1}} , \, a_{{2}} )와 ( b_{{1}} , \, b_{{2}} )사이의 거리＝\, \left| a_{{1}} - b_{{1}} \right| + \left| a_{{2}} - b_{{2}} \right|)를 사용한다. 그리고 각 군집의 중심점 좌표를 구하는 과정에서 평균을 사용하되 모든 계산에서 소수점 이하는 버린다) (20점)