도전적인 상황에서 포기하지 않고 문제를 해결한 경험에 대해 말씀해 주세요.

포기하고 싶었던 순간은 졸업 프로젝트에서 ML 모델 정확도가 3주째 개선이 없던 시기입니다. 데이터 전처리를 여러 번 바꿔봤는데도 성능이 그대로였고, 원인이 어디에 있는지조차 모르는 상태가 가장 힘들었습니다. 그때 한 발 물러서서 입력 데이터 분포를 다시 시각화해봤고, 특정 범주 값이 학습 데이터에만 편향되어 있다는 걸 발견했습니다. 문제가 모델이 아니라 데이터 구성 자체에 있었던 것입니다. 샘플링 방식을 수정하고 나서야 정확도가 올랐습니다. 그 경험에서 배운 건, 막힐 때는 새 방법을 시도하기 전에 가정 자체를 의심해보는 것이 먼저라는 점입니다. 지금도 오래 막혔을 때는 전제를 다시 쓰는 습관이 그때 생겼습니다.

방향을 못 찾는 것과 방법이 없는 것은 다릅니다.