티스토리 뷰

목차


    AI와 친해지지 않으면 뒤쳐지기 쉬운 요즘,

    인기있는 자격증인 AICE Basic 자격증에 대해 알아보고 기출문제를 풀어보려고 합니다.

     

    AICE는 AI Certificate for Everyone(모두를 위한 AI 자격증)”의 약칭으로, KT가 개발하고 한국경제신문이 주관하는 인공지능 능력시험입니다. 단계는 총 5단계로 구분되며 Future, Junior, Basic, Associate, Professional 그 중 세번째 단계인 Basic 시험 기출문제를 풀어보려 합니다.

     

     

    AICE Basic 자격증이란?

     

    AICE Basic은 비전공자 또는 AI 입문자를 대상으로 한 수준의 시험으로, 코딩 지식이 많지 않아도 도전할 수 있습니다.

    인공지능 프로세스에 대한 이해와 결과 해석 및 AI 활용 역량을 검정하는 시험으로 코딩 없이도 AI가 가능한 No 코딩 기반의 학습을 바탕으로 합니다.

    • 응시자격 : 제한 없음
    • 응시료 : 50,000원
    • 시험시간: 60분 15문항
    • 합격기준: 80점 이상
    • 자격 유효기간: 영구

     

     

    AICE Basic 기출문제 풀이

     

    AICE Basic 시험의 주요 평가역량은 무엇인가?

    a) 파이썬 코딩 능력
    b) AI 원리 이해 및 업무 활용과 결과 해석 능력
    c) 딥러닝 모델 구조 설계 능력
    d) 모바일 앱 개발 능력


    정답: b
    해설: Basic은 비전공자용으로 원리·활용·해석에 초점

     


    AICE Basic의 시험시간과 시험환경은?

    a) 90분, 파이썬
    b) 60분, AIDU ez(노코딩)
    c) 180분, 파이썬
    d) 50분, 블록코딩


    정답: b

     



    연속형 수치 데이터에서 극단치나 분포의 비대칭 때문에 대표값을 선택해야 할 때 권장되는 대표값은?

    a) 평균 

    b) 중앙값

    c) 최빈값

    d) 범위

     

    정답: b(중앙값)
    해설: 이상치에 덜 민감

     


    고객의 ‘구매여부(예/아니오)’를 예측할 때 적절한 모델 유형은?

    a) 회귀 

    b) 분류 

    c) 군집화 

    d) 차원축소


    정답: b
    해설: 구매여부는 범주(이진) 문제 → 분류

     


    모델의 정확도가 조금 증가했는데 재현율이 떨어졌다면 가능한 원인은?

    a) 데이터 누락 

    b) 클래스 불균형 때문만 

    c) 분류 임계값(threshold) 변경 또는 Precision-Recall 트레이드오프 

    d) 시드값 문제


    정답: c
    해설: 임계값을 조정하면 정밀도-재현율 간 트레이드오프 발생

     


    KNN 같은 거리 기반 알고리즘 적용 전 필요한 전처리는?

    a) 범주형 변수 그대로 

    b) 특성 스케일링(정규화/표준화) 

    c) 결측치 제거만으로 충분 

    d) 텍스트 정제


    정답: b

    해설: 거리 계산에 스케일이 영향을 미침

     


    비즈니스에서 '고위험 고객(사기 가능성)'을 탐지할 때 우선적으로 높여야 할 평가지표는?

    a) 정확도 

    b) 정밀도 

    c) 재현율 

    d) F1


    정답: b 또는 c(상황에 따라 다름)
    해설: 사기탐지에서 '거짓양성(정상→사기 판정)' 비용이 높으면 precision 중시, 반대로 놓치는 것(거짓음성) 비용이 더 크면 recall 중시(문제에서 비용 구조 명시 필요)

     


    범주형 변수를 one-hot 인코딩 대신 레이블 인코딩(label encoding)을 사용하면 안 되는 경우는?

    a) 트리 기반 모델 

    b) 순서가 없는 범주형 변수

    c) 순서가 있는 변수

    d) 둘 다 가능


    정답: b

    순서 없는 범주형을 단순 레이블인코딩하면 모델이 순서를 오해할 위험이 있음 → one-hot 권장

     


    모델 설명(해석가능성)이 중요한 상황은?

    a) 광고 클릭 예측(단순) 

    b) 의료진단·심사(설명 필요) 

    c) 내부 로그 분석(비교적 덜 중요) 

    d) 게임 추천


    정답: b
    해설: 의사결정/법적 책임이 걸린 경우 설명가능성이 중요

     


    분류문제에서 클래스 불균형(소수 클래스가 희소)할 때 효과적인 기법은?

    a) 데이터 증대(over-sampling) 

    b) 정확도만 올리기 

    c) 특성 제거 

    d) 분포 무시


    정답: a
    해설: SMOTE 등 오버샘플링이나 언더샘플링, 가중치 부여가 활용됨