구체 경험 기반 중심으로 푸는 결
저는 Python 기반 AI 프로젝트로 반복 업무의 이상 거래 탐지 자동화를 진행한 경험이 있습니다. 목표는 수작업으로 진행되던 검토 시간을 줄이는 것이었고, 분류 모델을 학습시켜 우선순위가 높은 건을 먼저 걸러내는 방식으로 접근했습니다. 결과적으로 검토 대상 건수가 크게 줄어 실무 부담이 감소했습니다.
명확한 목표를 세우고 모델을 도구로 활용한 점이 이 프로젝트의 핵심이었습니다.
면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
저는 Python 기반 AI 프로젝트로 반복 업무의 이상 거래 탐지 자동화를 진행한 경험이 있습니다. 목표는 수작업으로 진행되던 검토 시간을 줄이는 것이었고, 분류 모델을 학습시켜 우선순위가 높은 건을 먼저 걸러내는 방식으로 접근했습니다. 결과적으로 검토 대상 건수가 크게 줄어 실무 부담이 감소했습니다.
명확한 목표를 세우고 모델을 도구로 활용한 점이 이 프로젝트의 핵심이었습니다.
저는 프로젝트 결과를 검증할 때 정확도뿐 아니라 오탐율도 함께 확인했습니다. 정확도만 높으면 실제 정상 거래를 이상으로 잘못 판단하는 경우가 늘어날 수 있어, 두 지표의 균형을 맞추는 것이 중요하다고 판단했습니다. 정확도와 오탐율을 함께 검증한 점이 실무 적용 가능한 결과로 이어졌습니다.
저는 처음엔 모델의 정확도 수치에만 집중해 실제 현업 적용성을 충분히 고려하지 못했습니다. 현업 담당자가 결과 해석이 어렵다는 피드백을 준 뒤에야 문제를 인식했고, 이후 결과를 시각화해 이해하기 쉽게 개선했습니다. 정확도에만 매몰됐던 한계를 인정하고 현업 관점을 반영한 점이 프로젝트를 실질적으로 만들었습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.