학습 경험형
약 90초
수업과 개인 프로젝트에서 분류 모델 성능 지표를 다뤄 본 경험으로 서술
직접 경영진에게 메트릭을 방어해 본 경험은 없지만, 학교 머신러닝 프로젝트에서 이 지표들을 직접 다뤄봤습니다.
졸업 프로젝트에서 스팸 메일 분류 모델을 만들 때 정확도만 높이면 된다고 생각했다가, 정상 메일을 스팸으로 잘못 분류하는 경우가 많아졌다는 것을 나중에 발견했습니다. 팀원이 재현율 수치를 확인하고 나서야 문제가 드러났고, 저는 정확도 수치만 봤기 때문에 문제를 놓쳤었습니다. 그 경험으로 어떤 실수를 더 허용할 수 없는지에 따라 어떤 지표를 우선해야 하는지가 달라진다는 것을 배웠습니다.
경영진에게 설명한다면, 수치 자체보다 그 수치가 잘못됐을 때 비즈니스에 어떤 영향이 생기는지를 연결해서 말하는 방식이 중요하다고 생각합니다. 입사 후 실무에서 이 접근 방식을 더 다듬고 싶습니다.
이 결의 특징
스팸 분류 프로젝트에서 정확도만 확인하다 정상 메일 오분류를 놓친 경험이 담긴 흔적입니다. 팀원이 재현율을 확인하고 나서야 문제를 발견한 결이 보입니다.
이 결이 통하는 자리
실수가 허용되지 않는 방향에 따라 지표 우선순위가 달라진다는 인식이 구체적일 때 통합니다. 수치를 비즈니스 영향과 연결하려는 태도가 평가되는 자리입니다.