예시 답변 1
약 88초
작은 범위로 먼저 검증한 경험 중심으로 푸는 결
대학원 연구실에서 머신러닝 기법을 로그 이상 탐지에 붙여보는 작은 실험을 해본 경험이 있습니다. 처음에는 모든 종류의 로그에 한꺼번에 적용하려 했는데, 데이터가 너무 섞여 있어 결과가 틀린 경보투성이였습니다. 그래서 저는 범위를 로그인 실패 로그 한 종류로 좁혀 다시 시작했습니다. 사람이 봐도 명백히 이상한 서른 건을 먼저 기준으로 정해두고, 모델이 그중 몇 개를 잡는지로 확인했습니다. 처음부터 크게 벌이려다 결과를 못 믿게 됐던 게 교훈이었고, 작게 시작해 맞는지 확인할 수 있는 범위부터 다룬 게 도움이 됐습니다. 지금도 새 기술을 쓸 때 저는 검증할 수 있는 가장 작은 조각부터 떼어냅니다.
이 결의 특징
전체 로그에 머신러닝을 한꺼번에 적용했다가 오탐투성이가 된 경험에서 '로그인 실패 로그 한 종류'로 범위를 좁히고 사람이 봐도 이상한 30건을 기준으로 모델 검증 기준을 정한 흔적이 있습니다. '검증할 수 있는 가장 작은 조각부터 떼어내는' 원칙이 또렷한 결이 보입니다.
이 결이 통하는 자리
큰 범위 시작의 실패와 좁힌 범위로의 재시도가 구체적으로 살아 있을 때 통합니다. AI 보안 솔루션 적용 방식을 묻는 면접관이 머무는 자리에서 자주 보이는 결입니다.