예시 답변 1
연구 주제+결과 영향 구체 설명으로 푸는 결
졸업논문으로 의료 이미지 분류 주제를 다뤘습니다. CNN 기반 모델로 피부 병변 이미지를 분류하는 과제였는데, 데이터 수가 적어 data augmentation과 transfer learning을 조합하였습니다. 처음에는 ResNet-50을 그대로 사용하였으나 과적합이 심했고, fine-tuning 범위를 마지막 두 레이어로 제한하였더니 검증 정확도가 12%p 올랐습니다. 결과물은 학과 발표회에서 공유하였고, 지도교수님께서는 '데이터 부족 상황에서의 접근법이 실용적'이라는 피드백을 주셨습니다. 논문 자체보다 제약 조건 안에서 문제를 푸는 경험이 더 남았고, 이후 프로젝트에서도 같은 방식으로 접근하게 되었습니다.
이 결의 특징
피부 병변 이미지 분류에서 ResNet-50 전체 파인튜닝이 과적합됐다가 마지막 두 레이어로 제한해 검증 정확도 12%포인트를 올린 흔적이 구체적입니다. 데이터 부족 상황에서의 접근법이라는 지도교수 평가가 담겨 있습니다.
이 결이 통하는 자리
논문 자체보다 제약 조건 안에서 문제를 푸는 경험이 더 남았다는 정직한 자평이 구체적 수치와 함께 살아 있을 때 통합니다. 이후 프로젝트로 이어진 지속성이 붙을 때 면접관의 신뢰가 붙는 결이 보입니다.