문장 스크랩

---

복사

---

공유

취미/특기 취미: 농구, 볼링 특기: 레트로게임기 제작, 영화 분석 존경인물/이유 백종원/끊임없이 자신의 분야에 몰입하는 자세를 존경함 Essay 1 삼성전자를 지원한 이유와 입사 후 회사에서 이루고 싶은 꿈을 기술하십시오. [AI 전문가를 향하여] 딥러닝과 컴퓨터비전을 이용한 AI 기술은 제품에 다양한 서비스를 제공할 수 있는 응용력이 뛰어난 분야입니다. 학부 시절 인간 시각의 인식률을 초월한 ResNet의 등장소식을 접하면서 AI에 관심을 가졌습니다. 현재보다 더 고도화된 미래 IT 시대가 도래했을 때 이러한 기술을 단순히 이용하는 사람이 아니라 주체적인 구현을 통하여 혁신적인 사회 가치를 이끄는 사람이 되고 싶습니다. AI를 공부하기 위해 석사에 진학했고 주로 Object detection/recognition/tracking 등 컴퓨터비전 알고리즘을 활용한 산학 연구를 진행했습니다. 산학 연구가 없던 기간에도 쉬지 않고 꾸준한 자기개발을 위해 교수님의 소개를 받은 회사에서 프리랜서 개발자로 활동하며 실무지식을 배웠습니다. 다양한 개발 경험 덕분에 프로젝트 협업의 자세와 인공지능 이슈를 논리적으로 접근하고 기반기술을 통해 플랫폼을 구현하는 능력을 길렀습니다. 앞으로도 AI 기술을 연구하고 혁신적인 서비스 개발을 하며 성장하기 위해 국내 1위 기업인 삼성전자에 지원했습니다. 누구보다도 AI 기술의 발전을 중요하게 여기며 미래 IT 세상의 혁신으로 도전할 준비가 되어있습니다. 다가올 4차 산업 혁명을 이끌 삼성전자에서 AI 전문가로 향하는 첫발을 떼고 싶습니다. Essay 2 본인의 성장과정을 간략히 기술하되 현재의 자신에게 가장 큰 영향을 끼친 사건, 인물 등을 포함하여 기술하시기 바랍니다. (※작품속 가상인물도 가능) [도전을 망설이던 아이] 어려서부터 항상 실패에 대한 막연한 두려움이 있었기 때문에 새로운 일보다는 성공 가능해 보이는 일을 주로 계획하고 실천했습니다. 좋지 못한 태도였지만 이러한 계획성 덕분에 학부 시절 높은 학점을 가질 수 있었습니다. 그러던 어느 날 대학 구조개혁으로 인해 재학 중이던 학과가 폐지되고 신설 학과로 편입돼버리는 일이 발생했습니다. 소프트웨어 시스템 위주의 학문만 배웠던 기존 학과와 달리 편입된 곳은 기계나 전자분야가 융합된 신기술까지 함께 다루는 학과였습니다. 신설 학과 특성상 강좌 부족으로 인해 계획에 없던 임베디드 관련 강의를 듣게 됐습니다. 당시 선수 과목 지식이 없었고 새로움을 받아들이는 자세가 부족했기 때문에 강의가 어렵게 느껴졌고 실습 또한 전혀 이해하지 못했습니다. 높은 학점을 가졌던 제게 기대감이 컸던 학과 동기들이 찾아와 강의에 관한 여러 질문을 했지만 아무 대답을 해줄 수 없었습니다. 그렇게 무력감에 빠져서 강의를 거의 포기했을 때, 평소 도전적인 일을 좋아하던 동기가 찾아와 제가 해내지 못한 실습을 도와줬습니다. 실습을 해낸 비결을 물어보니 그 동기는 신기술에 항상 흥미가 있어서 해당 강의 실습을 즐기며 여러 차례 하드웨어 OS를 포맷하고 끈질기게 에러수정을 했더니 어느새 문제가 해결됐다고 했습니다. 그 동기는 항상 특이하고 새로운 강의를 잔뜩 배우느라 좋은 학점을 받지는 못하던 동기였습니다. 그러나 그 보상으로 새로움에 도전하는 정신을 배운 것이라는 생각이 들었고 그 동기를 여태껏 이해 못 했던 제 자신이 부끄러워졌습니다. [새로움에 도전하는 열정] 해당 사건을 계기로 새로움에 도전하는 동기의 영향을 받았습니다. 새로움을 수용하는 자세의 필요성을 느꼈고 그것이 IT 개발자로서 옳은 정신이라는 생각이 들었습니다. 항상 새로움에 도전하는 사람이 되기 위해 학업을 진행하는 동안 총 세 가지의 꾸준한 노력을 했습니다. 첫 번째는 자투리 시간을 활용하여 항상 새로운 IT 정보를 수용했습니다. 매일 아침 통학 중 IT 기사를 읽고 텐서플로우 코리아 페이지의 신기술 소식과 추천 논문을 보며 하루를 시작했습니다. 두 번째는 기회가 될 때마다 다양한 세미나, 전시회에 적극적으로 참가하여 새로운 시야를 넓혔습니다. 오픈소스 컨퍼런스, 신기술 AI 세미나 등에 참가하여 정보를 얻었고 IT 전시회를 둘러보며 신기술에 관한 견문을 넓혔습니다. 마지막은 앞서 실천으로 새로 알게 된 기술들을 직접 구현해보기 위해 다양한 공모전에 도전했습니다. AI, 블록체인, 임베디드 등 다양한 주제로 프로젝트를 진행하며 경진대회, 해커톤 그리고 학술대회 등 공모전 형태를 가리지 않았습니다. 그동안 알게 된 다양한 지식 덕분에 창조적인 아이디어가 풍부해져 여러 공모전에서 수상을 누리며 노력을 확인할 수 있었습니다. 이러한 성장 과정을 거쳐온 제 자신은 어느새 새로움에 도전하는 것을 망설이지 않게 됐다는 것을 느꼈습니다. 앞으로도 끊임없는 열정으로 새로움을 탐구하며 미래에 도전하는 IT 개발자가 될 것입니다. Essay 3 최근 사회이슈 중 중요하다고 생각되는 한가지를 선택하고 이에 관한 자신의 견해를 기술해 주시기 바랍니다. [미국 뉴욕주립대학 연구진들의 딥페이크 식별 연구] 최근 미국 뉴욕주립대학 연구진들이 눈동자를 이용하여 딥페이크를 판별할 수 있다는 연구결과를 발표했습니다. 눈동자에 반사된 빛을 분석하여 가짜 영상을 가려내는 방식으로 개발된 툴은 94%의 정확도로 딥페이크 영상을 식별할수 있다고 밝혔습니다. 이러한 솔루션은 잘못된 정보에 대해 시민들을 보호하기 위한 일환으로 긍정적인 연구분야라고 생각합니다. 딥페이크는 영화, 게임, 쇼핑 등 다양한 분야에서 사용될 수 있는 산업적 활용가치가 높은 기술입니다. 딥페이크 기반 기술인 GAN을 처리할 수 있는 NPU 기술 역시 점점 고도화됨에 따라 다양한 종류의 애플리케이션과 서비스에 대한 개발 전망이 밝습니다. 하지만 현재 이런 활용 가치와는 반대로 디지털 성범죄, 정치적 선동을 넘어 기업이미지에 피해를 주는 경우에 딥페이크가 사용되고 있습니다. 딥페이크를 이용한 범죄는 고도화된 IT 기술에 비해서 올바른 사회적 가치관이 정립되지 못해 발생한 문화지체현상의 일종입니다. 일반적인 문화 지체현상은 정책적 대안이나 인식개선운동으로 해결할 수 있지만 딥페이크의 경우는 해당 피해에 대응할 기술적 준비가 병행되어야 한다고 생각합니다. AI와 NPU 사업에 주력하고 있는 삼성전자는 이미 사진 한 장으로 딥페이크를 만드는 기술을 구현한적이 있습니다. 이러한 높은 기술 구현력과 인프라를 바탕으로 한다면 딥페이크에 대한 판별 솔루션을 구현하는 것 역시 가능할 것으로 보입니다. 삼성전자와 같은 1위 기업에서 먼저 딥페이크 기술을 적극 활용한 서비스를 제공하는 동시에 위협요인에 대한 솔루션 연구를 병행한다면 분명 현재보다 더 나은 방향으로 딥페이크가 활용됨은 물론 기업의 이윤추구에도 도움이 될 것으로 생각합니다. Essay 4 지원한 직무 관련 본인이 갖고 있는 전문지식/경험(심화전공, 프로젝트, 논문, 공모전 등)을 작성하고, 이를 바탕으로 본인이 지원 직무에 적합한 사유를 구체적으로 서술해 주시기 바랍니다. [전통적인 영상처리 및 컴퓨터비전 지식] 학부 시절 ICT 공모전에 참가하여 라즈베리 파이를 이용한 증강현실 RC카 프로젝트를 진행했습니다. 주로 OpenCV를 이용한 객체인식과 주행평가 로직 개발을 담당하며 입력 영상의 전처리 과정부터 객체인식의 전통적인 지식을 습득했습니다. 카메라 모듈을 포함한 하드웨어를 다루며 객체인식을 개발하는 것이 익숙하지 않았지만, 최대한 많은 시간을 들여 하드웨어를 이해하고 오픈소스를 분석하여 기술을 파악했습니다. Hough transform과 Contour를 이용한 차선, 신호등 및 표지판 객체인식을 구현하고 센서값을 매핑하여 주행평가 로직을 구현했습니다. 공모전에서 동상, 학술대회에서 은상을 받으며 프로젝트를 마쳤습니다. 영상인식 AI를 개발할때 전통적인 이론 이해를 바탕으로 더 체계적이고 유연하게 플랫폼을 개발할 자신이 있습니다. [성능향상을 위한 AI 모델링 기술] 높은 성능의 AI모델을 만드는 역량이 AI SW개발직무에서 가장 중요하다고 생각합니다. 실시간 랭킹보드에서 모델 순위를 경쟁하는 대회에 참가하며 높은 성능을 위한 AI 모델링 능력을 키웠습니다. 불균형라벨과 노이즈가 섞인 쇼핑 리뷰 이미지와 카테고리 텍스트 데이터셋을 이용한 분류과제를 수행했습니다. 불완전한 데이터셋을 알고리즘적 접근으로만 해결하는 조건이 어려웠으므로 다양한 논문을 읽고 필요한 기술을 조합하며 단계적으로 문제를 해결하기로 계획했습니다. Oversampling으로 데이터 불균형을 완화하고, Label smoothing loss 계산으로 노이즈 데이터 일반화를 억제했습니다. 이후 완전히 정제된 데이터셋 구축을 목적으로 Self-Training을 활용하고, Ensemble 기법으로 성능을 끌어올렸습니다. 베이스라인 F1-score를 0.46에서 0.87로 개선한 모델을 만들며 대회에서 2위를 차지했습니다. 습득한 AI 모델 성능향상 역량을 이용하여 생산기술연구원에서 높은 성능으로 최적화된 AI 플랫폼 개발에 힘쓰겠습니다.