예시 답변 1
약 67초
ML 품질 예측 프로젝트에서 데이터 전처리와 현업 언어 번역을 배운 경험 서술결
졸업 프로젝트에서 머신러닝 기반 품질 예측 모델을 적용해보는 시도를 했습니다. 목표는 공정 파라미터로 불량 발생 가능성을 사전에 예측하는 것이었는데, 처음에는 데이터를 그냥 모델에 넣으면 된다고 생각했습니다. 실제로 해보니 결측값과 이상치 처리를 제대로 안 하면 모델 정확도가 크게 떨어진다는 것을 알게 됐습니다.
전처리 단계에 생각보다 훨씬 많은 시간이 걸렸고, 이 경험이 데이터 품질이 모델 품질을 결정한다는 것을 가르쳐줬습니다. 현업 협업 측면에서는 예측 결과를 현장 담당자에게 설명할 때 모델 수치보다 "이 조건에서 불량이 많이 나왔다"는 현장 언어로 풀어야 이해가 빠르다는 것도 배웠습니다.
분석 결과를 현업이 이해하는 방식으로 전달하는 것이 기술 능력만큼 중요하다는 것을 알게 됐습니다.
이 결의 특징
결측값과 이상치 처리를 제대로 안 하면 모델 정확도가 크게 떨어진다는 것을 직접 확인한 흔적이 있습니다. 분석 결과를 현업 언어로 번역해야 이해가 빠르다는 시각이 보입니다.
이 결이 통하는 자리
AI 모델 개발에서 무엇이 가장 중요한가를 묻는 꼬리질문 앞에서 통합니다. 데이터 품질이 모델 품질을 결정한다는 시각과 현업 언어 번역을 함께 설명할 때 면접관의 꼬리질문이 줄어드는 결이 보입니다.