한 대학에서 지원자가 등록할지 여부를 예측하여 채용 노력을 집중하고자 합니다. 데이터 과학자는 학업 이력을 가지고 있으며 예측을 위한 지원자 프로필을 구축하려고 합니다. 등록 가능성을 예측하는 모델을 구축하기 위해 데이터 과학자가 취해야 할 두 가지 단계는 무엇입니까? (두 가지 선택)

이 시나리오의 목표는 지원자가 등록할지 여부를 예측하는 것입니다. 이는 이진 분류 문제로, 결과가 "등록됨" 또는 "등록되지 않음"의 두 가지 범주 중 하나이기 때문입니다. 첫 번째 단계는 모델을 훈련할 수 있도록 데이터를 준비하는 것입니다. Amazon SageMaker Ground Truth를 사용하여 지원자 프로필 데이터 세트의 각 항목에 "등록됨" 또는 "등록되지 않음" 레이블을 지정해야 합니다. 이는 지도 학습의 필수적인 부분입니다. 두 번째 단계는 레이블이 지정된 데이터를 사용하여 모델을 훈련하는 것입니다. 이진 분류 문제이므로 분류 알고리즘을 적용해야 합니다. 분류 알고리즘은 입력 데이터를 기반으로 범주형 출력을 예측하도록 설계되었습니다. 회귀 알고리즘은 연속적인 값을 예측하는 데 사용되므로 올바르지 않습니다. K-평균 알고리즘은 비지도 학습 방법으로, 레이블이 지정된 데이터가 있을 때 예측 모델을 구축하는 데 적합하지 않습니다. 예측 알고리즘은 너무 일반적인 용어이며 이 특정 문제에 대한 적절한 접근 방식을 명확히 설명하지 않습니다.