Day 4 점검: ML 기반 Entity Resolution | Entity Resolution & 데이터 통합 | FDE Academy

Q1. Fellegi-Sunter 모델에서 m-probability가 의미하는 것은?

A. 매칭 쌍에서 필드가 일치할 확률B. 비매칭 쌍에서 필드가 일치할 확률C. 전체 쌍에서 매칭일 확률D. 필드의 결측 확률

Q2. Active Learning의 Uncertainty Sampling에서 선택하는 샘플은?

A. 예측 확률이 1에 가까운 샘플B. 예측 확률이 0에 가까운 샘플C. 예측 확률이 0.5에 가까운 샘플D. 무작위로 선택된 샘플

Q3. Active Learning이 Random Sampling보다 효율적인 이유는?

A. 계산 속도가 더 빠르다B. 모델이 가장 유용한 샘플을 선택하기 때문C. 모든 샘플을 레이블링하기 때문D. 비지도 학습이기 때문

Q4. dedupe 라이브러리의 특징이 아닌 것은?

A. Active Learning 자동 적용B. 인터랙티브 레이블링 UIC. 비지도 학습만 지원D. 프로덕션 배포용 모델 저장

Q5. ECMClassifier의 특징으로 옳은 것은?

A. 레이블 데이터가 반드시 필요하다B. 레이블 없이 Fellegi-Sunter 모델을 학습한다C. Neural Network 기반이다D. Blocking을 자동으로 수행한다