4교시 2번 · 25점 · 6문제 중 4문제 선택 · 100분
데이터 기반 의사결정과 AI 학습데이터 구축에서 핵심이 되는 표본추출에 대하여 다음을 설명하시오.
- 표본추출의 개념 및 절차
- 확률 표본추출과 비확률 표본추출 기법의 비교
- AI 학습데이터 구축 관점의 표본추출 적용 방안
답안 개요 보기
답안 구조
- 개요
- 표본추출 개념 및 절차
- 확률/비확률 표본추출 기법 비교
- AI 학습데이터 구축 적용 방안
- 결론 및 시사점
용어 정의
- 표본추출
- 모집단 전체의 특성을 파악하기 위해 모집단의 일부를 선정하는 과정으로, 시간과 비용의 제약을 극복하고 대표성 있는 데이터를 확보하는 방법.
- 모집단
- 연구 또는 분석의 대상이 되는 전체 집단 또는 관심 있는 모든 개체나 데이터의 집합.
- 표본
- 모집단에서 추출된 부분 집합으로, 모집단의 특성을 추정하기 위해 실제로 관찰 또는 분석되는 데이터 집합.
핵심 내용
가)
- 모집단 특성 추정을 위한 데이터 선정 과정
- 시간, 비용, 자원 제약 극복 방안
- 표본의 대표성 확보의 중요성
- 표본추출 절차: 목표 설정, 프레임 정의, 기법 선택, 표본 추출, 결과 분석
나)
- 모집단 각 원소의 추출 확률 유무에 따른 분류
- 확률 표본추출: 단순 무작위, 계통, 층화, 집락 표본추출 기법
- 확률 표본추출의 무작위성 및 통계적 일반화 가능성
- 비확률 표본추출: 편의, 판단, 할당, 눈덩이 표본추출 기법
- 비확률 표본추출의 연구 목적 기반 및 편향 가능성
- 정확성, 비용, 시간, 연구 목적에 따른 적절한 기법 선택 기준
다)
- 데이터 불균형 문제 해결을 위한 오버샘플링 및 언더샘플링
- 데이터 다양성 확보를 위한 층화 표본추출 활용
- 특정 클래스 또는 소수 클래스 데이터의 효과적인 증강
- 능동 학습(Active Learning)을 통한 효율적인 데이터 라벨링 대상 선정
- 편향 없는 고품질 학습 데이터셋 구축의 중요성
- AI 모델 성능 및 일반화 능력 향상 기여
AI 작성 답안 개요 · 검수 전 · 채점기준과 기준답안은 공개되지 않습니다. 참고용 개요입니다.
출처: 한국산업인력공단, Q-Net 자료실 · 공공누리 제1유형 · 원문(Q-Net)