AI 엔지니어 취업 성공을 위한 팁
지원자의 역량을 효과적으로 표현하는 방법들
AI 엔지니어 취업을 위해 준비해야 할 것들과 취업 프로세스를 소개해드린 것에 이어 현실적인 팁 몇 가지를 소개해드리겠습니다.
AI 서비스 개발 경험
경력직이 아니라면 사실 실제 서비스 경험은 없는 것이 당연합니다. 하지만, 토이 프로젝트 정도의 AI 서비스 개발 경험이나 캐글 대회 경험은 면접에서 면접관들의 흥미를 조금이라도 돋울 수 있습니다. 개인 프로젝트이더라도 문제 인식, 개발 계획, 트러블 슈팅 등을 잘 정리해 둔다면 분명 도움이 될 것입니다. 사실 AI 관련 설명을 말로만 하다 보면 잘 와닿지 않는데, 개발한 AI 서비스 데모를 시각적으로 보여주면 지원자가 어떤 것에 관심이 있고 어떤 역량이 있는지를 잘 표현할 수 있습니다.
컨퍼런스 논문 제출
석사과정 4학기에 구직활동을 한다면 아직 accept 된 컨퍼런스 논문은 없을 수 있습니다. 하지만 컨퍼런스에 논문을 제출한 경험만으로 본인의 연구 성과를 직관적으로 어필할 수 있습니다. 때문에 어느 정도 연구 성과가 결과로 나왔으면 논문을 작성하여 컨퍼런스에 제출하고, 작성했던 논문을 요약하여 figure와 함께 포트폴리오에 기입해 두는 것이 좋습니다.
역으로 생각하면 어떻게든 2~3학기에 실험 결과를 정리하고 유의미한 결과를 도출해서 티어가 낮은 컨퍼런스에라도 논문을 제출해 보는 것이 좋습니다. 채용 시 연구 과정을 말로만 설명하는 것보단 어느 정도 성과를 보여줄 수 있는 논문 제출 경험이 있는 것이 큰 장점이 되기 때문입니다.
프로젝트 경험 어필
사실 실무진 입장에서는 연구경험보다 프로젝트 경험에 더 초점을 맞출 가능성이 큽니다. 연구는 아무래도 학술적인 느낌이 크고 프로젝트는 특정 기업과 함께 실무적인 경험을 하기 때문입니다. 그래서 프로젝트와 취업을 잘 연결시키는 것이 중요합니다. 프로젝트에서 했던 경험을 지원하는 회사와의 연결고리를 만들어 회사에서 기여할 수 있는 부분을 (명확하진 않더라도) 표현하는 게 도움이 될 수 있습니다.
기술 블로그 운영
결론부터 말씀드리면 기술 블로그를 운영한다고 해서 취업에 아주 큰 도움이 되지는 않습니다. 하지만, 블로그에 기술 관련 글을 쓰면서 머릿속에 내용이 정리되는 장점이 있습니다. 또한 지원자가 어떤 기술에 관심이 많은지 기술 블로그를 통해 면접관에게 어필할 수 있습니다.
그리고 꼭 취업이 목적이 아니더라도 기술 블로그를 운영하면 공부한 내용을 글로 다시 풀어내는 과정이 본인에게 큰 도움이 된다는 것을 느낄 수 있습니다.
저는 면접 때마다 기술 블로그 관련한 질문을 꽤 받았고, 면접관 분들이 대부분 흥미롭게 생각해 주셨습니다. 의도한 건 아니지만, 면접을 보기 꽤 오래전에 리뷰했던 논문이 면접 보는 회사의 직무와 연관성이 있어서 이런 부분을 어필할 수 있는 점도 좋았습니다.
ML & DL 면접 질문 정리
사실 딥러닝에서 굉장히 기본적인 개념일지라도 답변하기 까다로운 경우가 많습니다. Skip connection, back propagation, loss surface, batch normalization,... 등 지원자가 잘 알고 있는 것이라 할지라도 이 개념들을 깔끔하게 말로 설명하는 건 또 다른 문제일 수 있습니다. 제 경우에는 개념별로 한 문장으로 설명할 수 있게 정리를 했었습니다. 당황하지 않고 깔끔한 문장으로 답변하고 추가 질문이 들어올 때 더 자세히 설명하는 모습이 면접관 분들에게 기초가 튼튼하다는 인식을 심어줄 수 있습니다.
실무 질문
학술적인 개념이 아닌 굉장히 실무적인 질문을 받을 수도 있습니다. 이런 질문은 공부한다고 알 수 있는 개념이 아닌 경우가 많기에 본인이 가진 지식과 경험을 동원해서 약간의 상상력을 첨가해서 논리적으로 답변해야 합니다.
예를 들어 저는 "딥러닝 모델을 변경하거나 다시 학습하기엔 자원이 부족한데 테스트 시 새로운 유형의 데이터가 들어와서 성능이 자꾸 떨어진다. 이때 성능을 유지시킬 수 있는 방법이 있는가?"와 같은 질문을 받았었습니다. 사실 생각해 본 적 없는 문제였지만 anomaly detection 분야와 엮어서 softmax score 가 특정 값 보다 낮은 경우 애매한 경우로 지정해서 재분류하게 만든다던지, 새로운 유형의 데이터들을 임베딩 시킨 feature 값의 분포를 분석해서 후처리를 한다는 식의 답변을 했습니다. 이런 질문을 받았을 때 지원자의 엔지니어링 역량을 드러낼 수 있는 기회이기도 하기에 논리적인 답변을 할 수 있는 연습이 필요합니다.
AI 대학원 관련 글
- AI 분야 대학원에 대한 솔직한 이야기 - Intro
- AI 분야 대학원 진학을 고민하는 사람들에게
- 컴퓨터비전 & AI 연구실 대학원생의 일과
- AI 분야 대학원생의 연구 주제 정하기
- AI 분야 대학원생의 현실적인 연구 방법
- 비전공자도 AI 대학원 진학해도 될까?
AI 엔지니어 취업 관련 글
- AI 엔지니어로 취업하기
- AI 엔지니어 취업 성공을 위한 팁
- 대학원 졸업해야 AI 엔지니어가 될 수 있나요?
- 비전공자도 AI 엔지니어로 취업할 수 있을까?
