솔직 경험형
약 65초
*AI/ML 프로덕션 적용*을 학부 캡스톤 분류 모델로 답한다.
상용 프로덕션 AI/ML 실무는 없습니다. 학부 캡스톤에서 작은 분류 모델을 8주 동안 학습·평가·시연한 자리가 가장 가까운 경험입니다.
데이터 12만 건·5개 피처·간단 CNN으로 정확도 88%까지 올린 자리가 있었습니다. 그 88%가 중복 1,200건으로 부풀려진 자리였고, 중복 제거 후 73%로 떨어졌지만 그 숫자가 진짜였습니다. 모델 서빙은 FastAPI로 감싸고 Docker 컨테이너에 올린 자리까지 갔습니다.
첫 자리에 데이터 점검을 빠뜨린 실패가 있었고, 그 일이 데이터 → 모델 → 서빙이라는 순서를 만들었습니다. 실무에서도 사수의 양식과 순서를 첫 자리에서 손에 익히고, 그 흐름이 매일의 자세로 굳어지게 만드는 자리부터 들어가고 싶습니다.
이 결의 특징
실무 경험 없음을 인정하면서도 데이터 정합성 점검부터 서빙까지 순서를 지킨 흔적이 있습니다.
이 결이 통하는 자리
중복 데이터로 부풀려진 정확도를 발견하고 제거 후 진짜 수치를 확인한 관점이 답에 담겨 있을 때 면접관의 신뢰가 쌓이는 자리를 자주 봅니다.