면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
물류 로봇 경로 최적화를 위한 강화학습 프로젝트에서 보상 함수 설계와 학습 튜닝을 맡았습니다. 초기 보상 설계가 지역 최적해에 빠지는 문제가 있어, 거리 보상과 충돌 페널티 비중을 여러 차례 조정하며 평균 경로 길이를 15퍼센트 단축했습니다. 학습이 5만 에피소드에서도 수렴하지 않는 문제를 겪었을 때는 학습률 스케줄링을 도입해 안정화했습니다. 이 과정에서 보상 설계가 결과를 좌우한다는 것을 체감했습니다.
사이드 프로젝트에서 코드 생성 AI 도구를 활용해 API 서버 초안을 빠르게 작성했습니다. 다만 생성된 코드를 그대로 쓰지 않고 매번 단위 테스트를 작성해 검증했는데, 실제로 예외 처리가 누락된 부분을 세 곳 발견해 직접 수정했습니다. 도구 덕분에 개발 속도는 절반 가까이 줄었지만, 검증 없이 그대로 배포하면 위험하다는 것을 배웠습니다.
이전 회사에서 고객 문의 분류 모델의 정확도가 78퍼센트에서 정체된 문제를 맡았습니다. 데이터를 다시 살펴보니 라벨링 기준이 일관되지 않은 케이스가 많아, 2주간 라벨링 가이드를 재정비하고 재작업을 진행했습니다. 그 결과 정확도를 89퍼센트까지 끌어올릴 수 있었습니다. 이 경험으로 모델 성능 문제의 원인이 항상 알고리즘에 있는 것은 아니라는 것을 배웠습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.