이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
상용 환경 딥러닝 실무는 없습니다. 학부 캡스톤 8주에서 PyTorch로 작은 분류 모델과 개인 학습으로 TensorFlow 튜토리얼을 다뤄본 정도입니다.
캡스톤에서 데이터 12만 건·5개 피처·간단 CNN 모델을 학습시켰습니다. Python의 pandas로 전처리·PyTorch로 학습·matplotlib로 시각화 한 사이클을 돌렸고, 학습 데이터에 중복 1,200건이 섞여 성능이 부풀려진 실패가 가장 큰 학습이었습니다.
그 일이 모델보다 데이터 점검이 먼저라는 자세를 만들었습니다. 실무에서도 사수의 데이터 검증 양식부터 익히고 싶습니다. 실무에서도 사수의 양식과 순서를 첫 자리에서 손에 익히고, 그 흐름이 매일의 자세로 굳어지게 만드는 자리부터 들어가고 싶습니다.
Python·딥러닝 프레임워크에서 내가 활용한 자리는 네 곳입니다.
첫째, 데이터 전처리. pandas·numpy로 전처리·정합성 점검. 둘째, 모델 학습. PyTorch로 모델 정의·학습 루프. 셋째, 실험 관리. MLflow로 하이퍼파라미터·결과 비교. 넷째, 결과 시각화·해석. matplotlib·SHAP로 모델의 결정 이유.
캡스톤에서 4단계 해석 자리를 빠뜨린 실패가 있었고, 모델이 왜 그렇게 분류했는지 못 답한 자리가 있었습니다. 그 일이 해석은 학습 직후라는 자세를 만들었습니다. 실무에서도 사수의 양식과 순서를 첫 자리에서 손에 익히고, 그 흐름이 매일의 자세로 굳어지게 만드는 자리부터 들어가고 싶습니다. 그 자세는 어떤 자리에서도 같은 결을 만든다고 봤고, 새 직무에서도 첫 한 달의 작은 자리에서부터 그 결을 그대로 가져가는 자세로 들어가고 싶습니다.
Python·딥러닝의 본체는 프레임워크가 아니라 데이터 정합성이라는 걸 캡스톤에서 봤습니다.
같은 코드·같은 모델에서도 데이터 정합성이 흔들린 자리는 결과가 무너졌습니다. 모델 튜닝에 3주를 쓴 자리보다 데이터 정합성을 한 번 정리한 자리가 정확도를 더 크게 올린 자리였습니다.
모델만 본 실패가 있었고, 그 일이 데이터가 모델보다 먼저라는 자세를 만들었습니다. 실무에서도 사수의 데이터 점검 양식부터 익히고 싶습니다. 실무에서도 사수의 양식과 순서를 첫 자리에서 손에 익히고, 그 흐름이 매일의 자세로 굳어지게 만드는 자리부터 들어가고 싶습니다. 그 자세는 어떤 자리에서도 같은 결을 만든다고 봤고, 새 직무에서도 첫 한 달의 작은 자리에서부터 그 결을 그대로 가져가는 자세로 들어가고 싶습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 쿠팡 ML 엔지니어 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.