데이터 사이언티스트 면접 질문 (2026)
데이터 사이언티스트 면접은 넓은 범위를 다룹니다: 확률과 통계, 머신러닝 기초, SQL과 데이터 가공, 제품/분석 케이스 스터디, 그리고 행동 면접까지. 정확한 비중은 역할이 분석, ML 엔지니어링, 연구 중 어느 쪽에 더 가까운지에 따라 달라지므로, 역할의 중점을 일찍 명확히 하는 것 자체가 좋은 신호입니다.
아래 질문들에서 면접관은 엄밀함과 커뮤니케이션을 중요하게 봅니다. 통계적 개념에 대해 정확하게 추론할 수 있는가, 문제에 맞는 올바른 모델을 선택하고 근거를 제시할 수 있는가, 올바른 SQL을 작성할 수 있는가, 모호한 비즈니스 질문을 측정 가능한 분석으로 바꿀 수 있는가? 가정을 명시하고 트레이드오프를 설명하는 것은 최종 숫자만큼이나 중요합니다.
기술적인 개념을 비전문가에게 설명하듯 간단하게 설명하는 연습을 하세요. 이 직무의 많은 부분 — 그리고 면접의 많은 부분 — 은 견고한 분석을 그것을 바탕으로 행동할 사람들이 이해할 수 있게 만드는 것입니다.
데이터 사이언티스트 면접 질문과 답변 방법
1. 편향-분산 트레이드오프를 설명해주세요.
접근법: 두 오차 원인을 정의한 뒤 모델 복잡도와 연결하세요: 단순한 모델은 과소적합(높은 편향), 복잡한 모델은 과대적합(높은 분산)을 보입니다. 정규화, 더 많은 데이터, 교차 검증 같은 구체적인 수단과 전체 오차 분해에 연결하세요.
2. p-value란 무엇이며, 그것이 알려주지 않는 것은 무엇입니까?
접근법: P(귀무가설이 참일 때 이 정도로 극단적인 데이터가 나올 확률)로 정의하세요. '알려주지 않는 것'이 핵심입니다: 가설이 참일 확률이 아니며, 통계적 유의성과 실질적 중요성은 다릅니다. 흔한 오해를 언급하는 것이 신호입니다.
3. 불균형한 분류 데이터셋을 어떻게 다루시겠습니까?
접근법: 지표부터 시작하세요(accuracy는 오해를 부르므로 precision/recall, F1, AUC-PR을 사용). 그다음 기법: 리샘플링(SMOTE, 언더샘플링), 클래스 가중치, 임계값 조정. 실제 분포에서 평가해야 한다는 점을 강조하세요.
4. 랜덤 포레스트와 그래디언트 부스팅을 언제 사용하시겠습니까?
접근법: 배깅(병렬, 분산 감소, 과적합에 강함)과 부스팅(순차적, 편향 감소, 정확도는 높지만 튜닝에 민감함)을 대조하세요. 학습 비용과 해석 가능성의 트레이드오프도 언급하세요.
5. 부서별로 두 번째로 높은 연봉을 찾는 SQL 쿼리를 작성하세요.
접근법: 윈도우 함수를 사용하세요: DENSE_RANK() OVER (PARTITION BY dept ORDER BY salary DESC), rank = 2로 필터링. RANK, DENSE_RANK, ROW_NUMBER가 동점을 처리하는 방식의 차이를 설명하세요.
6. 이상치를 어떻게 탐지하고 처리하시겠습니까?
접근법: 데이터 오류와 진짜 극단값을 구분하세요. 방법: IQR, z-score, 도메인 임계값, 시각화. 말로 표현해야 할 판단: 진짜 신호를 제거하면 모델에 편향이 생길 수 있으니, 삭제하기 전에 조사하세요.
7. 새로운 추천 알고리즘을 위한 A/B 테스트를 설계하세요.
접근법: 가설, 주요 지표, 가드레일을 정의하세요. MDE와 검정력으로부터 표본 크기를 계산하세요. 무작위화 단위, 노벨티 효과, 언제 중단할지를 다루세요. 성공 기준을 사전에 등록하세요.
8. 오프라인에서는 잘 작동하지만 프로덕션에서는 성능이 나쁜 모델을 어떻게 평가하시겠습니까?
접근법: 분포 변화(distribution shift), train/serve skew, 오프라인 데이터의 누수(leakage), 피드백 루프를 조사하세요. 모니터링과 섀도우 배포를 제안하세요. 시험받는 것은 시스템적 사고입니다.
9. L1 정규화와 L2 정규화의 차이는 무엇입니까?
접근법: L1(Lasso)은 희소성을 유도하고 특성 선택을 수행합니다. L2(Ridge)는 계수를 부드럽게 축소합니다. L1의 꼭짓점이 왜 가중치를 0으로 만드는지 기하학적으로 설명하고, 각각이 유리한 상황을 설명하세요.
10. 당신의 분석이 비즈니스 결정을 바꾼 경험을 말해주세요.
접근법: STAR 기법을 사용하세요. 질문, 당신의 방법, 그리고 결정적으로 행동을 이끌어낸 커뮤니케이션을 보여주세요. 결과를 수치화하세요. 의사결정에 영향을 주지 못하는 데이터 사이언티스트는 채용되지 않습니다.
데이터 사이언티스트 면접에서 실시간 도움을 받으세요
실시간 데이터 사이언스 면접 중, Natively는 질문을 받아 적고, 당신에게 필요한 정의, 수식, SQL 패턴을 실시간으로 기기에 보여줄 수 있습니다 — 긴장 때문에 익숙한 개념이 순간적으로 떠오르지 않을 때 유용합니다.
