홈 › 학과별 질문 › 공학·IT 계열
인공지능학과·데이터과학과 면접 질문과 답변
AI 모델과 데이터를 다룹니다. 수학·코딩 기초, AI를 써 본 경험, 윤리 감각을 봅니다.
계열별 질문은 여러 대학에서 공통으로 나오는 유형을 정리한 것입니다. 대학·학과마다 실제 질문은 다르며, 실제 기출이 공개된 대학은 대학별 페이지에서 확인하세요. 계열 공통 질문은 공학·IT 계열 페이지에서, 지원동기·장단점 같은 공통 질문은 자주 나오는 질문에서 함께 준비하세요.
1. 인공지능학과에서 무엇을 배우나요? 컴퓨터공학과와 다른 점은?
왜 묻나 학과 이해.
컴퓨터공학의 기초 위에 [기계학습·딥러닝·데이터 처리]를 집중적으로 배운다고 이해했습니다. 저는 [관심, 예: 자연어 처리]에 관심이 있어 [학과]를 택했습니다. [경험]이 있습니다.
준비 팁 관심 세부 분야 하나.
2. AI를 직접 써 보거나 만들어 본 경험은?
왜 묻나 실제 경험.
[경험, 예: 이미지 분류 모델 학습·챗봇 API 활용]을 했습니다. [결과]였고 [문제, 예: 과적합]를 [해결]했습니다. [배운 점]입니다.
준비 팁 'ChatGPT 써 봤다' 수준보다 만들어 본 경험.
3. 머신러닝이 무엇인지 쉽게 설명해 보세요.
왜 묻나 개념 이해.
규칙을 사람이 짜는 대신 [데이터에서 패턴을 찾아 규칙을 만드는 방법]입니다. 예를 들어 [예시]입니다. [한계, 예: 데이터 편향]도 있습니다.
준비 팁 예시 + 한계.
4. AI 윤리 문제 중 가장 중요한 것은?
왜 묻나 윤리 감각.
[문제, 예: 편향·개인정보·책임 소재]라고 생각합니다. [사례]가 있습니다. 개발자는 [원칙]을 지켜야 하고, 저는 [관심]이 있습니다.
준비 팁 사례 하나.
5. 수학(선형대수·확률·미적분) 준비는?
왜 묻나 학업 준비도.
[수준]이고 [보완]을 하고 있습니다. AI에 [필요한 수학]이 쓰인다고 알고 있습니다.
준비 팁 필요 과목 인지.
6. AI 분야가 과열됐다는 말도 있는데 진로 계획은?
왜 묻나 현실 인식.
[인식]을 알고 있습니다. 그래도 [기초 역량]을 갖추면 [진로]에서 경쟁력이 있다고 봅니다. [준비]입니다.
준비 팁 기초 강조.
함께 보면 좋은 페이지
[대괄호]는 본인 경험으로 바꾸세요. 표준 답변은 구조를 보여 주는 예시이며 그대로 외우면 면접관이 알아봅니다. 학과 이름과 교육과정은 대학마다 다르니 지원 학과 홈페이지를 반드시 확인하세요.