이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
포기하고 싶었던 순간은 졸업 프로젝트에서 ML 모델 정확도가 3주째 개선이 없던 시기입니다. 데이터 전처리를 여러 번 바꿔봤는데도 성능이 그대로였고, 원인이 어디에 있는지조차 모르는 상태가 가장 힘들었습니다. 그때 한 발 물러서서 입력 데이터 분포를 다시 시각화해봤고, 특정 범주 값이 학습 데이터에만 편향되어 있다는 걸 발견했습니다. 문제가 모델이 아니라 데이터 구성 자체에 있었던 것입니다. 샘플링 방식을 수정하고 나서야 정확도가 올랐습니다. 그 경험에서 배운 건, 막힐 때는 새 방법을 시도하기 전에 가정 자체를 의심해보는 것이 먼저라는 점입니다. 지금도 오래 막혔을 때는 전제를 다시 쓰는 습관이 그때 생겼습니다.
방향을 못 찾는 것과 방법이 없는 것은 다릅니다.
ML 모델 정확도가 3주째 개선 없던 상황에서 혼자 원인을 찾는 것을 멈추고 지도교수에게 현황을 공유했습니다. 교수님은 제가 바꿔온 전처리 방식의 목록을 보시고, 데이터 분포를 시각화해봤느냐고 물었습니다. 저는 그때까지 전처리 파라미터를 바꾸는 것에만 집중하고 있었고, 기초 데이터를 다시 들여다보는 방향을 생각하지 못하고 있었습니다.
도움을 받기 전까지 3주를 썼는데, 도움을 받고 나서 이틀 안에 원인을 찾게 됐습니다. 혼자 막혀 있던 시간이 도움을 요청하는 데 걸린 시간보다 훨씬 길었다는 것을 그 경험에서 배웠습니다. 막혀 있는 시간이 길어질수록 도움 요청을 앞당겨야 한다는 것을 알고 있습니다.
그 경험이 오래 막혔을 때 먼저 하는 것을 바꾸는 계기가 됐습니다. 이전에는 새 방법을 시도하는 것이 먼저였지만, 지금은 전제를 다시 쓰는 것을 먼저 합니다. 3시간 이상 같은 방향으로 시도하는데 진전이 없으면, 가정 목록을 다시 적어보는 것이 이후 절차로 남았습니다.
가정이 맞는지를 확인하는 것이 새 방법을 찾는 것보다 빠른 경우가 많다는 것을 반복 경험으로 확인했습니다. 어떤 전제 위에서 문제를 풀고 있는지를 명시적으로 적어보면, 전제 자체가 잘못된 경우를 더 빠르게 발견할 수 있습니다. 이후로는 막힐 때마다 이 순서를 따르는 것이 자연스럽게 됐습니다.
막힘을 해결하는 기술이 아니라 막힘을 다르게 보는 시각이 이 경험에서 남은 것입니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 와이즐리컴퍼니 공통직무·미지정 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.