면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
저는 캐릭터 모션 예측 모델을 만들며 TensorFlow와 PyTorch를 모두 검토했습니다. TensorFlow는 배포 파이프라인이 안정적이었지만, 실험 단계에서의 디버깅 편의성은 PyTorch가 앞섰습니다. 빠른 반복 실험이 필요한 초기 단계였기 때문에 PyTorch를 선택했고, 이후 배포 시점에는 모델을 변환해 안정성을 확보했습니다.
실험 단계와 배포 단계의 요구가 다르다는 점을 반영한 선택이 개발 속도와 안정성을 동시에 만족시켰습니다. 이 경험으로 도구는 상황에 맞춰 유연하게 선택해야 한다는 걸 배웠습니다.
저는 PyTorch로 구현한 캐릭터 행동 예측 모델을 통해 개발 초기 시행착오를 줄였습니다. 모델 학습 결과 예측 정확도가 85% 수준까지 올라갔고, 이를 실제 게임 로직에 연동했을 때 이질감 없는 캐릭터 반응을 만들 수 있었습니다. 처음 목표했던 수치보다 낮았지만, 반복 튜닝을 통해 점진적으로 개선했습니다.
목표 수치와 실제 결과를 비교하며 개선한 과정이 이 프로젝트의 핵심이었습니다. 이 경험 이후로 모델 개발 시 항상 명확한 목표 수치를 먼저 설정합니다.
저는 딥러닝 모델을 도입하기 전 기존 규칙 기반 로직과의 성능을 비교하는 실험을 먼저 진행했습니다. 데이터로 비교한 결과 규칙 기반은 예외 상황에서 대응력이 떨어진다는 것이 확인돼, 학습 기반 모델 도입을 결정했습니다. 이 결정 과정에서 감이 아니라 비교 데이터를 근거로 삼은 것이 팀 내 설득에도 도움이 됐습니다.
직관이 아닌 비교 실험을 근거로 삼은 점이 기술 선택의 신뢰도를 높였습니다. 이 방식은 이후 다른 기술 도입 결정에서도 동일하게 적용하고 있습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.