이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
저는 Python을 더 자주 사용하는 편이지만, 용도에 따라 선택이 달라진다고 생각합니다. 데이터 분석과 프로토타이핑에서는 Python의 생태계와 간결한 문법이 개발 속도를 크게 높입니다. pandas, numpy, scikit-learn 같은 라이브러리를 활용하면 데이터 전처리와 모델 실험을 빠르게 반복할 수 있습니다. 반면 C/C++는 메모리 직접 제어와 실행 성능이 중요한 시스템 소프트웨어나 임베디드 영역에서 대체하기 어렵습니다.
성능이 핵심인 구간에서는 Python 코드의 병목 부분을 C 확장으로 교체하거나 Cython을 쓰는 방식도 있다는 것을 학습 과정에서 익혔습니다. Python의 약점인 타입 안전성 부분은 타입 힌트와 mypy로 보완하는 습관을 들이고 있습니다. 문제 성격에 맞는 언어 선택이 생산성과 품질을 동시에 지키는 방법이라는 결론을 갖고 있습니다.
Python과 C++ 선택에서 두 언어의 차이가 어디서 실질적으로 느껴지는지를 말씀드리겠습니다. Python은 메모리 관리를 자동으로 하지만 GIL(전역 인터프리터 잠금) 때문에 멀티스레드 환경에서 CPU 병렬화가 제한되는 자리가 생깁니다. C++는 수동 메모리 관리로 정밀도는 높지만 해제를 잊으면 메모리 누수가 생기는 자리가 있어 안전성 비용이 발생합니다. 동적 타이핑은 Python 코드를 빠르게 작성하게 해주지만 런타임 오류를 컴파일 타임에 잡지 못하는 자리가 생깁니다.
타입 오류를 빠르게 잡으려면 C++의 정적 타이핑이 유리하고, 빠른 실험이 필요하면 Python이 유리한 자리입니다. 아직 부족한 건 Python에서 성능 병목이 된 부분을 C 확장으로 교체하는 혼합 전략을 직접 구현해본 경험인데, 이것은 실무 규모 프로젝트가 필요한 자리입니다.
Python과 C++의 차이를 메모리·타입·런타임 관점에서 이해하는 것이 언어 선택의 기준이 된다는 걸 생각하고 있습니다.
Python을 선호하지만 Python이 약한 자리도 정직하게 말씀드리겠습니다. 실시간 제어나 임베디드 환경에서 Python의 실행 속도는 레이턴시 요건을 맞추기 어려운 자리가 생깁니다. GIL 때문에 멀티스레드 CPU 병렬화가 안 되는 것도, NumPy 같은 C 구현 라이브러리로 우회해야 하는 자리입니다.
Python이 빠른 것이 아니라 빠른 C 라이브러리를 Python으로 편하게 쓰는 것이 실제 구조입니다. Python이 느리다는 것을 알지 못하면 성능이 필요한 자리에 잘못 쓰는 경우가 생깁니다. 아직 부족한 건 Python 성능 한계를 실제로 부딪히고 C 확장으로 해결하는 경험인데, 이것은 더 큰 규모의 프로젝트가 필요한 자리입니다.
Python의 약한 자리를 알아야 맞는 자리에 Python을 쓸 수 있다는 걸 생각하고 있습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 삼성웰스토리 공통직무·미지정 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.