홈 › 학과별 질문 › 자연과학 계열
통계학과·데이터사이언스학과 면접 질문과 답변
자료에서 불확실성을 다루는 방법을 배웁니다. 수학 기초, 자료 해석의 신중함, 코딩 경험을 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 자연과학 계열 페이지에서, 지원동기·장단점 같은 공통 질문은 자주 나오는 질문에서 함께 준비하세요.
1. 통계학과 데이터사이언스, 컴퓨터공학은 어떻게 다른가요?
왜 묻나 학과 이해.
통계학이 [불확실성 아래에서 추론하는 원리]를, 컴퓨터공학이 [계산 시스템]을 다룬다면 데이터사이언스는 둘을 결합해 [자료에서 의사결정을 끌어내는 것]에 초점을 둔다고 이해했습니다. 저는 [관심]이라 [학과]를 택했습니다.
준비 팁 세 학과의 초점 차이를 한 문장씩.
2. 상관관계와 인과관계의 차이를 예를 들어 설명해 보세요.
왜 묻나 핵심 개념.
상관은 함께 변한다는 것이고 인과는 하나가 다른 하나를 일으킨다는 것입니다. 예를 들어 [예시, 예: 아이스크림 판매와 익사 사고]는 상관이 있지만 [제3의 변수]가 원인입니다. 인과를 밝히려면 [방법, 예: 실험·통제]이 필요합니다.
준비 팁 고전적 예시 + 제3변수.
3. 자료를 분석해 본 경험이 있나요? 어떤 도구를 썼나요?
왜 묻나 실무 경험.
[탐구]에서 [자료]를 [도구, 예: 엑셀·파이썬]로 분석했습니다. [결과]가 나왔는데, [한계, 예: 표본 크기]가 있었습니다. [배운 점]을 배웠습니다.
준비 팁 도구 이름 + 한계 인식.
4. 통계로 사람들을 속일 수 있다는 말에 대해 어떻게 생각하나요?
왜 묻나 통계 윤리와 비판적 시각.
맞습니다. [방법, 예: 축 조작·표본 편향·기저율 무시]으로 오도할 수 있습니다. 그래서 통계학은 [올바른 방법]을 배우는 동시에 [잘못된 통계를 알아보는 힘]을 기르는 학문이라고 생각합니다. [사례]를 본 적이 있습니다.
준비 팁 오도 방법 하나를 구체적으로.
5. AI·머신러닝과 통계학의 관계는?
왜 묻나 현대적 이해.
머신러닝의 많은 방법이 [통계적 원리, 예: 회귀·확률 모형]에 기반합니다. 다만 [차이, 예: 예측 성능 vs 해석 가능성]이 있습니다. 저는 [관심]이 있고 [준비]를 하고 있습니다.
준비 팁 예측과 해석의 차이.
6. 졸업 후 진로는요?
왜 묻나 현실 인식.
[진로, 예: 데이터 분석가·보험계리·금융·공공 통계·대학원]를 생각합니다. [이유]와 [준비]입니다.
준비 팁 직무 하나로 좁혀서.
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.