문장 스크랩

---

복사

---

공유

1. 윈스에 지원한 동기와 해당 직무에서의 최종 목표를 기술해 주십시오. (800) [디지털 신기술을 활용한 AI 보안 솔루션의 확장] AI·AWS·k8s 기반의 프로젝트를 통한 디지털 기술의 관심으로 IT 동향을 조사하며, 클라우드 기반 AI통합 보안관제 플랫폼 구축 사업을 수주한 윈스에 관심을 갖게 됐습니다. 특히, 클라우드 환경에서 보안 솔루션을 적용하고 AI 기술을 활용해 사이버 위협에 신속 대응하는 보안관제 체계를 구축한다는 사실이 인상 깊었습니다. 이를 통해 AI 기술을 적극 활용한 보안 솔루션 개발을 통해 기업과 산업에 기여하겠다는 저의 가치관을 실현할 최고의 기업이라 생각해 입사를 결심했습니다. 제 목표는 AI 개발과 적용 환경을 제공해 AI 보안 솔루션을 확장하는 것입니다. 윈스는 Sniper BD1 AI Plus로 실시간 모니터링, 지능형 위협 감시, 데이터 수집 등의 기능을 통해 AI 보안 솔루션을 제공하면서, 데이터를 파악/분석하며 지속적인 AI 적용 환경을 구축하는 것이 경쟁력이라고 생각합니다. 이를 위해 모두의 수강신청 프로젝트에서 AWS·k8s 기반으로 EKS 인프라 및 CI/CD, 모니터링을 구축하며, 컨테이너 기반 기술과 클라우드 역량을 키웠습니다. 이후 해당 역량을 활용해 52 Hertz 프로젝트에서 AWS 아키텍처와 k8s 기술을 이용하여, 플랫폼 서비스의 AI 개발 및 배포와 모니터링 환경을 구축했습니다. 이를 통해 AI를 적용한 플랫폼 서비스를 개발하며 역량을 더욱 발전시켰습니다. 이를 기반으로 보안 솔루션을 위한 기술을 탐구하고 습득해, AI 모델 개발과 이를 적용하는 환경 개발 역량을 키워 글로벌로 확장하는 AI 보안 솔루션 발전에 이바지하겠습니다. 2. 본인이 스트레스 받는 상황과 스트레스 해소법을 구체적으로 기술해 주십시오. (800) [일상의 취미로 생각을 정리하고 팀의 분위기를 형성] 저는 공사 구분이 필요할 때 구분이 이루어지지 않는 상황에서 스트레스를 받는 편이며, 헬스나 요리와 같은 일상 취미를 통해 스트레스를 해소합니다. AI 플랫폼 서비스를 개발해 작업의 자동화를 만든 울산항만공사의 프로젝트를 경험했습니다. 인력에 의한 차량 화물 하역의 개선이 필요했고, 회의를 통해 카메라로 차량을 탐지해 자동 검수를 하는 방향을 제시했습니다. 이후 데이터가 필요해 관계사와 미팅 후 현장을 확인하며 차량 탐지가 어렵다는 답을 얻고 대책이 필요했습니다. 당시 프로젝트를 위해 팀원들과 부산에서 함께 생활하며, 들뜬 기색도 보였습니다. 하지만 프로젝트를 목적으로 모였기 때문에, 들뜬 마음은 미뤄두고 업무에 집중하자 했습니다. 이후 저는 현장 확인을 통해 차대번호 정보를 수기로 기록해 검수를 진행하는 것을 파악하며, OCR 기술로 차대번호를 인식해 작업의 자동화를 만들고자 했습니다. 대책이 생기면서 팀원 중 한 명이 긴장이 풀리고 주말에는 주변 여행도 다녀보자고 보챘습니다. 하지만 대책을 통한 기획을 끝내고 개발 진행이 전혀 안 된 상황에서 2주도 채 않은 기한이었습니다. 정신적 스트레스를 지속해서 받는 중 요리를 하며 팀원들의 식사를 챙기고 틈틈이 헬스를 다니며 스트레스를 해소하여, 보채는 인원에게 진중하게 프로젝트에 임해달라고 설득해갔습니다. 그 결과 팀 분위기를 개발에 전념하게 하며, OCR 모델을 개발해 DB·WEB과 연동해 차량 데이터 등록을 자동화했고, 차량당 검수 시간을 20초 단축해 선박당 11시간의 리드타임 단축의 성과를 가져왔습니다. 3. 직무와 관련된 본인의 역량을 프로젝트, 대외활동 등 경험을 사례로 들어 기술해 주십시오. (800) [AI 개발 및 엔지니어 역량을 통한 개발과 문제 해결] 52 Hertz 프로젝트에서 AI 개발 및 모델 배포의 역할로, 취향 기반의 메타버스 플랫폼 서비스를 개발해 182명/52팀 중 4등의 성과를 성취했습니다. 이용자의 이미지 프로필과 관심사 텍스트 데이터를 통해 Multilingual 기반 모델을 활용한 AI 알고리즘 개발 및 AWS 아카텍처와 k8s 기술로 AI 모델의 서빙 환경을 구축하며, 지속해서 문제를 해결해간 경험이 있습니다. 먼저, 이용자의 이미지와 텍스트 데이터로 3차원상에 임베딩하는 알고리즘을 구현해 군집화를 진행했습니다. 하지만 이용자의 위치와 군집이 명확히 구분되지 않았고, 이를 해결하고자 AI 알고리즘의 리팩터링을 진행하며 군집의 형태를 갖추고자 했습니다. 이후 UMAP을 이용해 임베딩값을 구의 형태로 군집화를 진행하고, 군집의 좌표값을 2배로 취해 군집과 위치를 제대로 구분했습니다. 또한, AI 모델 서빙을 위해 AWS EKS 기반으로 환경을 구축하며 k8s 기술로 배포 환경을 제공하고자 했지만, AWS ELB를 통한 배포가 안 되는 문제를 겪었습니다. 이러한 문제를 해결하기 위해 배포 환경을 확인하며 서브넷의 Unhealthy 상태를 통해 컨테이너 문제를 파악해, docker 이미지의 포트 불일치 문제를 개선하고 Codebuild/ArgoCD 기반의 CI/CD를 구축해 끝내 AI 모델 배포에 성공했습니다. 결국, AI 개발 및 배포 역량을 바탕으로 AI 기능이 핵심인 메타버스 플랫폼 서비스를 개발하며, AI 개발과 엔지니어링 역량을 성장시키면서 성과를 만드는 과정을 경험했습니다.