이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
가장 많이 쓴 언어는 Python입니다. 처음에는 학교 수업에서 배웠는데, 데이터 처리부터 API 서버까지 하나의 언어로 커버할 수 있어서 프로젝트마다 자연스럽게 선택하게 되었습니다.
인턴 때 FastAPI로 추론 API를 만들었는데, 기존 ML 모델 코드가 전부 Python이라 언어를 바꾸면 인터페이스를 새로 짜야 하는 오버헤드가 발생합니다. 같은 언어를 사용하니 모델을 직접 임포트해서 쓸 수 있어서 훨씬 간단했습니다.
단점도 있습니다. GIL 때문에 CPU 바운드 작업이 병렬화가 잘 안 됩니다. 졸업 프로젝트에서 이 문제를 겪고 일부를 Go로 다시 짜봤는데, 생태계와 팀 숙련도를 함께 고려해야 한다는 것을 배웠습니다. 지금은 Python 중심이지만 상황에 맞게 언어를 선택할 수 있도록 공부하고 있습니다.
팀 프로젝트 대부분에서 Java와 Spring Boot를 썼어요. 팀원 4명 중 3명이 Java 경험이 있었고, 기업 백엔드 환경과 유사한 스택으로 연습하고 싶었기 때문이에요.
Spring Boot의 장점은 의존성 주입과 AOP 같은 구조가 코드를 모듈화하는 데 도움이 된다는 거예요. 다만 처음엔 설정이 많아서 배우는 데 시간이 걸렸습니다. 첫 프로젝트 때 @Transactional 동작 방식을 잘못 이해해서 데이터가 롤백 안 되는 버그를 만든 적도 있어요.
지금은 Spring Boot가 익숙해졌는데, 정적 타입 언어라 대규모 코드에서 타입 오류를 컴파일 시점에 잡아주는 점이 Java의 큰 장점이라고 느껴요. 팀 규모가 커질수록 더 중요해진다고 생각합니다.
여러 언어를 써봤는데, 가장 많이 쓴 건 Python과 JavaScript/TypeScript예요. 데이터 처리나 ML은 Python이 생태계가 풍부하고, 프론트엔드와 연결이 많은 프로젝트는 TypeScript를 썼습니다.
TypeScript를 처음 쓸 때 타입을 `any`로 다 퉁쳐서 쓰다가 나중에 타입 오류가 런타임에서 터지는 경험을 했어요. 타입을 제대로 정의하는 게 귀찮아도 결국 버그를 줄이는 방어막이라는 걸 직접 느꼈습니다.
언어 선택 기준은 생태계, 팀 경험, 성능 요건 세 가지라고 생각해요. 어느 언어가 더 좋다기보다 문제에 맞는 도구를 고르는 것이 중요하다고 생각합니다. 지금은 Python과 TypeScript를 주력으로 쓰고 있어요.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 SK inc.(AX) 생산기술·공정기술 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.