이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
저는 Python이 더 익숙합니다. C/C++는 자료구조 수업에서 배웠지만, 실제로 결과물까지 끌고 간 경험은 Python 쪽이 훨씬 많았습니다. 학부 졸업 프로젝트에서 센서 데이터를 수집·전처리하고 이상값을 감지하는 파이프라인을 혼자 만들었는데, pandas와 scikit-learn을 조합해서 처리 속도를 줄이는 데 집중했습니다. 처음에는 루프를 전부 파이썬으로 돌렸더니 3만 건 배치에 7분 이상 걸렸고, 벡터 연산으로 바꾼 뒤 40초대로 줄였습니다.
어디서 병목이 생기는지를 프로파일링으로 확인하고 고치는 과정이 재미있었습니다. 언어 자체보다 어떤 문제를 풀고 싶은지가 먼저이고, Python이 그 흐름을 빠르게 시험해보기에 편했습니다.
Python으로 문제를 풀면서 처음 설계가 잘못됐다는 것을 중간에 발견한 경험이 있습니다. 센서 데이터 전처리 파이프라인을 루프 기반으로 만들었는데, 데이터가 많아지자 처리 시간이 기하급수적으로 늘었습니다. 처음에는 코드 구조 문제라고 생각했는데, 프로파일링을 돌려보니 루프 자체가 병목이었습니다. pandas 벡터 연산으로 바꾸는 것이 맞다고 판단했는데, 코드 전체를 다시 짜야 하는 상황이었습니다. 이미 완성에 가까웠던 코드를 되돌리는 결정이 쉽지 않았지만, 측정 결과가 명확했기 때문에 방향을 바꿨습니다. 전환 후 처리 속도가 7분에서 40초대로 줄었습니다.
코드를 버리는 판단이 가장 어렵지만, 데이터가 있으면 그 판단이 쉬워진다는 것을 그때 배웠습니다.
두 언어를 모두 배우면서 어떤 문제에 어떤 언어가 맞는지를 판단하는 기준이 생겼습니다. C/C++는 메모리를 직접 다루고 실행 속도가 중요한 상황에 맞고, Python은 빠르게 시험하고 결과를 확인하는 데 편합니다. 센서 데이터 파이프라인 작업에서는 처음 아이디어를 빠르게 검증하는 것이 먼저여서 Python을 선택했습니다. 만약 같은 파이프라인을 실시간 처리 시스템에 올려야 했다면 C++ 기반으로 다시 구현하는 것을 고려했을 것입니다.
언어 선택은 선호가 아니라 문제의 성격으로 판단해야 한다는 것을 경험으로 알게 됐습니다. 아직 C/C++의 실무 활용 경험은 Python보다 적지만, 왜 그 언어가 필요한지를 설명할 수 있는 수준까지는 이해하고 있습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 삼성전자 SW·IT 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.