캡스톤 프로젝트를 통해 지원자의 문제 해결 경험과 팀 협력 과정을 확인합니다. 단순 설명이 아닌 본인이 어떤 역할을 맡고 어떻게 기여했는지를 봅니다.
이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
캡스톤 디자인은 전공 지식을 집약해 실제 문제를 해결하는 졸업 요건 프로젝트로, 산업계 요구를 반영한 결과물을 만드는 게 목표입니다. 이론에서 멈추지 않고 설계·구현·검증의 전 과정을 경험하는 것이 핵심입니다. 저는 캡스톤에서 전기차 충전 스테이션 최적 배치 모델 개발을 진행했습니다. 교통량 데이터와 기존 충전 인프라 데이터를 결합해 수요 기반 위치 추천 알고리즘을 만드는 프로젝트였습니다. 저는 데이터 전처리와 최적화 알고리즘 구현 부분을 맡았습니다. 결과로는 기존 임의 배치 대비 유효 커버리지 18% 향상되는 시뮬레이션 결과를 얻었고, 학과 발표에서 우수상을 받았습니다. 팀워크 경험으로는 4명이 작업하면서 데이터 전처리 기준을 통일하는 과정에서 의견 충돌이 생겼는데, 각자의 방식을 샘플 데이터로 시험해본 뒤 성능이 더 좋은 방식으로 합의했습니다.
캡스톤 디자인은 전공 학습을 실제 문제 해결에 적용하는 졸업 요건 프로젝트로, 기획에서 구현, 검증까지 전 과정을 팀이 책임진다는 점에서 다른 과목과 다릅니다. 저는 재활용 분리수거 이미지를 4개 카테고리로 분류하는 모델을 주제로 진행했습니다. 스마트폰 카메라로 촬영한 이미지를 입력받아 분류 결과를 바로 확인할 수 있는 가벼운 인터페이스까지 연결하는 프로젝트였습니다. 저는 데이터 수집 자동화와 모델 학습 파이프라인 구축을 맡았습니다. 결과로는 테스트셋 기준 분류 정확도 88.2%를 달성했고, 지도교수님으로부터 실용성이 있다는 평가를 받았습니다. 팀에서 어려웠던 부분은 데이터 라벨링 기준을 팀원마다 다르게 적용해서 초반 학습 결과가 불안정했던 것인데, 라벨링 가이드라인을 문서화하고 샘플 100건을 함께 리뷰하면서 해결했습니다. 기준을 공유하는 것이 팀 작업에서 속도보다 먼저라는 걸 배운 경험이었습니다.
캡스톤 디자인은 산업 현장의 문제를 전공 지식으로 해결해보는 종합 설계 과정입니다. 요구사항 분석에서 검증까지 팀이 함께 전 사이클을 책임진다는 점이 다른 수업과 가장 다른 부분입니다. 저는 팀과 함께 병원 응급실 대기 시간을 예측하는 모델을 개발했습니다. 공공데이터포털의 응급의료 데이터를 기반으로 시간대·요일·계절성을 반영한 예측 모델을 만들고, 운영 담당자가 직접 입력해 결과를 확인하는 간단한 웹 인터페이스까지 포함했습니다. 저는 모델 튜닝과 결과 해석, 발표 자료 작성을 맡았습니다. 결과로는 MAE 기준 단순 평균 예측 대비 오차가 31% 감소했고, 발표 심사에서 현장 적용 가능성이 높다는 피드백을 받았습니다. 팀워크에서 기억나는 건 발표 3일 전에 팀원이 데이터 처리 오류를 발견했을 때인데, 역할을 빠르게 나눠 수정하면서 오히려 완성도가 처음보다 높아진 경험이었습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 LG디스플레이 생산 일반 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.