최고 품질의 상품들을 지금보다 더 많은 소비자들이 여러 유통 채널에서 더욱 폭 넓고 쉽게...
1. 본인이 가장 관심을 가지고 있는 ICT 기술은 무엇이며, 해당 기술과 SK주식회사 C&C의 연관성에 대해서 기술하여 주십시오.
*해당 기술이 당사에 어떻게 기여할 수 있는지를 작성
*해당 기술과 관련된 본인의 역할을 지원 직무와 연계하여 작성 (600 자 6 단락 이내)
[AI를 통한 ICT 융합 분야로의 전환]
최적으로 데이터를 분류하여 예측할 수 있는 딥러닝에 가장 관심이 있습니다.이 기술을 SK C&C 스마트 팩토리 사업에 적용시켜 생산 라인의 효율성을 향상시키는데 기여할 수 있다고 생각합니다. CNN은 다른 Feedfoward 인공신경망기법들보다 쉽게 훈련되고 적은 수의 매개변수를 사용하기 때문입니다.
데이터를 가공하여 예측하는 기술에 관심이 많아서 데이터마이닝, 지능형시스템수업을 통해 Supervised/Unsupervised Learning, 각 학습에 해당하는 알고리즘 SVM, 신경망, 결정트리 등 AI이론을배웠습니다. 교과 외 내용인 딥러닝을 스스로 Weka로 MLP를 돌려보아 Supervised 학습과정을 이해하고, 구글 오픈소스 Tenser flow를 찾아보면서 심화학습을 했습니다.
AI 및 머신러닝의 데이터 분석, 알고리즘 설계능력 등을 통해 ‘스마트 팩토리’, ‘지능형교통시스템’ 등의 사업에 보탬이 되고 싶습니다. 기존 IT 위주의 사업에서 벗어나 ICT 융합 분야로의 성공적인 전환을이루도록 하겠습니다.
2. 새로운 방식을 시도하여 더 나은 결과를 달성한 경험에 대해 작성해 주십시오.
*그 방식을 시도했던 이유와 구체적인 실행 과정 및 내용
*시도 과정에서의 생각, 한계 및 결과 달성 시 효과에 대해 구체적으로 작성 (600 자 6 단락 이내)
[가설검증의 오차를 줄이기 위한 데이터 접근 방식]
‘아마존구매 데이터 추천시스템’ 프로젝트를 통해 오차를줄여 가설을 검증해내는 데이터 접근 방식을 배웠습니다. 구매자의 이용패턴에 대해 가설수립, 검증단계를 거쳐 추천시스템을 설계했습니다.
“인기상품일수록 평가가 높다”를 가설로 선정했습니다. Access에서 두 속성의 평균을 구해 테이블을생성했습니다. Python에 ODBC를 연결한 후 상관 관계를찾고 추천알고리즘에 적용시켰습니다. 성능측정단계에서 오차가 적용 전0.7956였지만 적용 후 0.8328로 늘어났습니다.
원인은 잘못된 구매자 선정과 임의로 정한 가중치였습니다. 상품의 인기지수의 평균을 기준으로 구매자 선정한 후 그 구매자에 한해서만 통계적으로 최적화된 가중치를 적용했습니다. 오차는 0.77895로줄어들었고, 영향을 미친다는 가설 검증에 성공했습니다.
비교적 적은 수의 데이터를 다뤘지만여러 데이터 분석방법을 통해 속성들간의 관계, 표본집단 검출 방법을 익혔습니다. 아주 작은 오차도 점차 줄여나가 더 좋은 성능의 알고리즘을 개발하기 위해 끊임없이 고민하고 시도하여 성과를내는 SW엔지니어로 성장하겠습니다.
5. 지원한 직무 수행을 위해 본인이 무엇을 어떻게 준비하고 노력해 왔는지 구체적으로 기술하십시오.
*전공 및 전공 이외 학습 내용, 프로젝트 수행 경험(본인의 역할 명시) 등을 기술
*Knowledge, Skill 등 보유 역량 등을 포함하여 작성
*입사 후 성장 목표 및 목표 달성을 위해 노력하고자 하는 바에 대해 작성 (1000 자 10 단락 이내)
[ADAS 기업 연계 프로젝트를 통한 알고리즘 실력자]
SW개발자로서 알고리즘 실력을 키웠습니다. "영상 신호를 이용하는 지능형운전자 보조 시스템(ADAS)" 기업 연계 프로젝트를 했었습니다. 블랙박스 영상을 이용하여 주행 중 신호 변화를 자동으로 인식하는 시스템을 개발한 후 기업에 솔루션을 제공하여사업화까지 진행되었습니다.
C언어 환경에서 영상 처리 라이브러리 OpenCV를 이용하여 신호 검출 알고리즘을 구현하였습니다. 입력영상의상단 중앙부분을 ROI로 설정하여 속도를 향상시켰습니다. 전처리단계에서 HSV로 변환한 후 이진화를 실행했습니다. 검출단계에서 Canny를 이용해 윤곽선을 탐색한 후 중심점과 반지름을 구했습니다. 이를이용해 원형 정도를 비교하기 위한 원형도 산출한 후 후보영역을 검출하였습니다. 원 둘레에 분포되어 있는픽셀 수와 색의 정보를 저장하고 평균을 구해 G/R/Y를 구분하여 영상에 검출표시를 그렸습니다.
예외처리 때문에 수정을 수 없이 반복했습니다. 탐지속도, 검출률, 정확성을 표로 작성했습니다. 초기단계에서 100개의 샘플이 검출률 25%, 부분검출률 12%, 평균검출시간 3.69sec였지만 최종단계에서 최종 영상데이터로 검출률92.2%, 평균검출시간 0.68sec로 최적화된 성능을 구현했습니다.
알고리즘설계능력과 기업담당자와의 회의를 통해서 실제 기업에서 진행되는 개발 과정에 대한 식견을 배웠습니다. 상용화를고려하여 사용자 입장에서 생각해보는 준비된 개발자의 태도를 갖추었습니다. 이 외에 JAVA, 웹프로그래밍, Python등에 대한 역량을 길러왔습니다.
IT시스템위주 사업구조에서 벗어나 ICT융합기술이 본격화되는 흐름 속에서 SKC&C만의 독자적인 플랫폼 개발에 힘쓰고 싶습니다. 저의 역량과 함께 최신 트렌드를지속적으로 접목시킬 것입니다. 다양한 제품을 확보하고 차세대 프로젝트에 활용될 ‘NEXCORE’처럼 다양한 IT기술을 제공하고 미래 ICT사업에 역량을 발휘하는 SK C&C인이 되겠습니다.