퀴즈: 계약과 누수

문항 6개. 정답과 해설은 풀어 본 뒤에 보여 드립니다.

1. 데이터의 버전을 파일 이름 대신 내용의 해시로 삼는 이유는?

   1. 해시가 파일 이름보다 짧아 저장 공간을 아낀다
   2. 같은 이름의 파일이 바뀌어도 아무 경고가 없기 때문
   3. 해시를 쓰면 파일을 압축하지 않아도 된다
   4. 이름은 운영체제마다 다르게 읽히기 때문

2. 데이터 계약의 허용 범위를 오늘 데이터의 최솟값·최댓값으로 정하면 무엇이 문제인가?

   1. 범위를 계산하는 데 시간이 너무 오래 걸린다
   2. 정수 열과 실수 열을 구분할 수 없게 된다
   3. 새 열이 추가되면 검증이 통째로 실패한다
   4. 오늘 우연히 들어온 이상치가 내일의 규칙이 된다

3. 계약을 어긴 행을 예외 처리로 건너뛰기만 하고 따로 남기지 않으면 어떤 일이 생기나?

   1. 학습이 중간에 멈춰 원인을 바로 알 수 있다
   2. 다음 검증에서 같은 행이 두 번 세어진다
   3. 표본이 줄어든 사실이 어디에도 남지 않아 나중에 원인을 못 짚는다
   4. 그 열의 자료형이 자동으로 문자열로 바뀐다

4. scikit-learn 문서가 말하는 데이터 누수(data leakage)의 정의에 가장 가까운 것은?

   1. 학습 데이터가 외부로 유출되어 개인정보가 노출되는 것
   2. 예측 시점에는 쓸 수 없는 정보가 모델을 만드는 데 쓰이는 것
   3. 데이터 파일이 손상되어 일부 행을 읽지 못하는 것
   4. 학습 중 메모리가 조금씩 새어 나가는 것

5. 학습·평가 분할이 겹쳤는지를 지표 변화가 아니라 식별자 비교로 검사해야 하는 이유는?

   1. 지표 계산이 식별자 비교보다 훨씬 느리기 때문
   2. 지표는 소수점 아래 값이 매번 달라지기 때문
   3. 평가 분할에는 지표를 계산할 레이블이 없기 때문
   4. 기억력이 작은 모델에서는 누수가 있어도 지표가 거의 움직이지 않기 때문

6. 계약 검증을 처음 켰을 때 경보가 쏟아진다면 가장 나은 대응은?

   1. 경보를 하나씩 읽고 현실보다 좁게 적힌 계약을 고친다
   2. 검증을 꺼 두고 데이터가 안정될 때까지 기다린다
   3. 위반이 난 열을 계약에서 통째로 뺀다
   4. 임계값을 모두 두 배로 올린다