[원티드 AI 챌린지] AI 필수 개념 (2)현직자 이야기 : 취준 시 고려사항

다음은 앞선 게시물에 이어 목차의 4번, 현직자 이야기 내용이다.
이전 게시물

< 목차 >

1. 확률통계 핵심개념
2. 선형대수 핵심개념
3. 컴퓨터 공학 핵심개념
4. 현직자 이야기 - (주)AiLive 정정민 팀장

현직자 프로필

• (주)AiLive 정정민 팀장
• Vision Researcher
• 총 5명 규모의 스타트업
• 애니메이션 생성 (TTV)

4-1. 면접 준비 과정

2019년도의 과정이었음을 감안하고 보기

기술 면접

• 목표 호사 (or 팀)에서 타겟하는 기술셋 타겟
• 연구실 후배 대상 세미나(강의) 진행 : 내가 잘 안다면 재밌게 설명할 수 있다는 지론. 셀프체킹을 위해
• 범위는 해당 기술셋의 기초 모델들로
  • GAN(당시 유행인 생성모델) 구조, 각 모듈의 역할 등 논문 내용 충분히 숙지
  • 파생 연구 3~4개 추가 준비

포트폴리오

• Kaggle 대회 참가 & 과정에서 시도 내용 정리
  • 1개 참가. 상위 20% 정도의 랭킹이었지만 아래와 같이 포폴화 함.
    • 데이터를 바탕으로 인사이트를 모델에 적용하려는 노력
    • 순위보다는 인사이트 : 적용 과정에 포커싱
  • (당시) SOTA 모델 구현 정리
    • Github을 통해 준비
    • 바닥부터 구현
    • 어려운 부분은 저자의 코드를 참조 : 왜 어려웠는지, 뭘 배웠는지에 대한 스토리텔링
  • 대학원 시절 연구 & 논문 내용 정리
    • 1 Page ppt로 정리
    • 기존 문제, 해결방안 제시하는 방법 위주로

4-2. 면접관의 입장에서 (어떤 질문?)

• 지원자가 입사 후 함께 일을 잘 할 수 있을까?
  • 최소한의 교육 기간으로도 (바로 투입되어 현재 팀원들과 같은 퍼포먼스를 낼거라는 기대를 하지 않음)
  • 지식(전공, 데이터, 해당 필드)과 태도(배움, 기존 팀원 관계 등)의 관점에서
• 지원자는 (우리 회사에) 완벽하지는 않을 거라는 가정(사실상 확신)을 한다.
  • 면접관은 어떤 부분을 보완해야 (회사에 or 팀에) fit 할지를 고민
  • 보완할 부분이 적을수록 매력을 느낌
• 적은 비용으로 함께 일할 동료를 찾고자 함.
  • 시간, 기존 실무자의 배려 등

4-3. 면접관의 입장을 생각하는 지원자의 입장에서

• 본인의 지식과 태도가 어느 정도로 회사와 결이 맞는지?를 보여줘야 함.
  • 지식 : 목표 회사의 데이터를 써 봤다, 관련 분야의 모델을 개발해 보았다 등
  • 태도 (문제해결능력, 긍정적)
    • 어려웠지만 어떤 과정으로 돌파, 우회, 피해갔다
    • 어떤 논리와 가정을 갖고 모델을 구현했다
    • 이런 결과를 바탕으로 결과 해석을 어떻게 해보았다 등
• 부족한 부분이 있음을 인정하(는 모습을 보여주)고, 지원자가 갖고 있는 지식과 태도가 부족한 부분을 채우는 데에 도움이 된다는 것을 어필

제안하는 면접 준비 과정

• 회사가 타겟하는 데이터 혹은 필드의 모델을 공부하기
  • 모델에 돌려보면 좋고, 그러지 못하다면 다운 받아 살펴보기라도 하기!
  • 해당 데이터를 다루는 대회에 시도
  • 모델 공부는 기초 모델 1개 (씹어먹기) + 최신 모델 3~4개 정도면 충분
• 다른 사람들의 구현 결과물을 잘 가져다 쓰면 플러스 요소
  • 왜 그랬고, 어떤 점을 배웠는가? 를 어필하기
• 발생한 문제를 해결하기 위해 AI 모델 자체를 개선해보기
  • 왜 그렇게 변경했는지? 논리 필요 : 논리가 맞고 틀리고 보다는, 그 논리를 바탕으로 모델을 개선할 수 있었던 과정이 중요!
  • 중고 신입 이상은 필수임. 도전적인 자세!!

[!NOTE]
Content바닥부터 구현했다 = '어떤 문제가 있을 때 돌파할 수 있는 내구력이 있겠다.' 정도로 생각함.
꼭 바닥부터 하지 않더라도 다른 사람의 구현물을 잘 가져다 쓸 수 있으면 그것도 플러스 요소!

4-4. AI를 이용해 먼저 일을 해봤던 경험으로

• 모델 구현의 비중은 100중에 5정도이다... (스타트업 기준)
  • 데이터 전처리, 개발 파이프라인 등 모델 개발 외적인 일이 많음
• 좋은 모델과 학습의 결과는 언제 나오는지 알 수 없다.
  • 계속 파봐야 함 (성공할 수도, 실패할 수도 있다.) --> 조기 퇴근하는 날도 있고, 야근에 시달리는 날도 있다.
• 그렇지만, 문제를 해결해나가는 과정이 매력적!

Q&A

• 대학원생은 교수님이 따온 일을 수행하는 워커(worker)
  • 프로젝트를 잘 수행할 수 있을까? 가 중요
    • 컴퓨팅 능력이 많이 필요한 랩인지? (ex. LLM은 잘하는데 CS는 부족해 -> 교수님이 그런 role에 배치할 것)
    • 교수님 전문 분야는 뭔지? 그 기술을 바탕으로 한 프로젝트가 진행될 것.
    • 랩실 홈페이지 프로젝트, 퍼블리시된 논문들을 통해 힌트 얻기