기술 분야에 대한 지속적 관심과 학습 태도를 평가합니다. 단순 나열이 아닌 그 트렌드가 왜 중요한지, 어떻게 관심을 갖게 됐는지를 봅니다.
이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
최근 대규모 언어 모델 활용에 관심이 많습니다. 처음에는 막연히 "요즘 다들 쓰는 것"이라고만 생각했는데, 학부 졸업 프로젝트에서 문서 요약 기능을 구현하면서 실제로 다뤄보게 됐습니다. API 호출로 텍스트를 처리하는 건 생각보다 빨리 됐는데, 응답 품질이 입력 방식에 따라 크게 달라진다는 걸 경험하면서 단순히 연결하는 것과 잘 쓰는 것이 다르다는 걸 알았습니다. 프롬프트 설계에서 2주 이상을 헤맨 적도 있고, 결국 간결하게 맥락을 주는 쪽이 더 나은 결과를 줬습니다. 이 기술의 단점으로는 출력의 신뢰성이 일정하지 않다는 점이 실무에서 가장 큰 문제가 될 것 같고, 앞으로는 신뢰도를 검증하는 단계를 자동화하는 방향이 중요해질 것 같습니다.
저는 엣지 컴퓨팅에 관심을 갖고 공부하고 있습니다. 졸업 논문 주제를 정하면서 IoT 관련 논문을 읽다가, 모든 데이터를 중앙 서버로 보내는 방식의 지연 시간 문제를 다룬 내용을 보고 관심이 생겼습니다. 개인 프로젝트로 라즈베리파이에 간단한 이미지 분류 모델을 올려보려 했는데, 메모리 한계로 처음 시도가 실패했고, 경량화 기법을 찾아서 적용하는 과정에서 3주를 썼습니다. 실제 기기에서 돌리는 게 클라우드보다 얼마나 어려운지 직접 느꼈고, 장점인 응답 속도와 오프라인 동작의 가치도 그때 체감했습니다. 앞으로 자율주행이나 산업 현장 자동화에서 이 기술이 더 중요해질 것이라는 방향은 공부하면서 분명히 느꼈습니다.
저는 클라우드 네이티브 개발 방식에 관심이 많습니다. 인턴 중 온프레미스 환경에서 배포 작업을 도왔는데, 환경 차이로 인한 오류를 잡는 데 반나절을 쓴 경험이 있었습니다. 이후 컨테이너 기반 환경을 공부하면서 환경 차이를 줄이는 것이 얼마나 큰 문제를 없애는지 이해했습니다. 장점은 배포 속도와 재현성이지만, 단점으로는 학습 비용이 높고 소규모 팀에서는 오히려 복잡성이 늘어날 수 있다는 점을 공부하면서 알게 됐습니다. 앞으로는 이 방식이 대규모 서비스에서 사실상 기본이 될 것 같고, 저도 개인 프로젝트에 단계적으로 적용해보면서 감을 익히고 있습니다. 처음에는 개념이 낯설어서 공식 문서만 읽다가 2주를 보냈는데, 직접 실습 환경을 만들어보면서 이해가 훨씬 빨라졌습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 한국가스공사 기타 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.