전공의 핵심 과목과 직무 연결을 설명할 수 있는지를 봅니다. 과목 내용 요약이 아니라 배운 것이 어떻게 이 직무에서 쓰이는지 구체적 연결을 평가합니다.
면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
전공에서 가장 집중했던 과목은 데이터 구조와 알고리즘이었습니다. 단순히 코드를 짜는 방법이 아니라, 문제를 어떤 구조로 표현하고 어떤 순서로 풀 것인지를 설계하는 사고 방식을 배운 과목이었습니다. 이 과목에서 익힌 것 중 직무에 가장 직접적으로 연결된다고 생각하는 건 탐색과 최적화 알고리즘의 트레이드오프를 이해하는 것입니다. 어떤 알고리즘이 빠르고 어떤 게 메모리를 덜 쓰는지, 조건에 따라 선택이 달라지는 논리가 실제 시스템 설계에서 그대로 쓰입니다. 또한 재귀와 동적 프로그래밍을 배우면서 복잡한 문제를 더 작은 단계로 분해하는 습관이 생겼고, 이 방식이 직무에서 문제를 분석할 때 가장 먼저 적용하는 방식입니다.
가장 집중했던 과목은 디지털 신호 처리였습니다. 푸리에 변환과 필터 설계를 중심으로, 어떤 신호에서 원하는 주파수 성분만 추출하거나 노이즈를 제거하는 방법을 이론과 실습으로 함께 다뤘습니다. 배운 내용 중 직무에 가장 연결된다고 생각하는 건 주파수 도메인으로 관점을 전환하면 시간 도메인에서 보이지 않던 패턴이 드러난다는 사고 방식입니다. 같은 데이터라도 어떤 관점으로 보느냐에 따라 분석의 깊이가 달라지는 경험이었습니다.
Python으로 직접 필터를 구현하고 결과를 시각화하면서 이론 수식과 실제 신호가 어떻게 연결되는지를 구체적으로 확인했습니다. 직무에서는 이 과목에서 익힌 '데이터를 다른 공간으로 변환해 패턴을 찾는 방식'이 센서 데이터나 시계열 분석에 직접 적용 가능하다고 판단합니다.
이론보다 구현이 먼저 이해를 만든다는 감각도 이 수업에서 생겼습니다.
가장 집중했던 과목은 확률론과 통계학이었습니다. 공학 계열 통계 수업은 대부분 공식 암기 중심인데, 이 과목은 확률 모델이 실제 불확실성을 어떻게 표현하는지를 처음부터 설명하는 방식이라 집중도가 달랐습니다. 배운 내용 중 직무에 가장 연결되는 건 '어떤 추정이 얼마나 믿을 만한가'를 수치로 표현하는 방법입니다. 실험 결과를 해석할 때 단순히 평균이 높다는 사실보다 분산과 신뢰 구간까지 함께 보는 습관이 이 과목에서 생겼습니다. 직무에서 데이터로 결정을 내릴 때 '이 수치가 실제로 유의미한가'를 먼저 확인하는 것이 가장 기본이라고 생각하는데, 그 감각의 뿌리가 이 과목에 있습니다.
베이즈 정리를 처음 배울 때 사전 정보를 업데이트하며 불확실성을 다루는 논리가 매력적으로 느껴졌고, 이후 관련 방법론에 더 관심을 갖는 계기가 됐습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.