문장 스크랩

---

복사

---

공유

1. 삼성전자를 지원한 이유와 입사 후 회사에서 이루고 싶은 꿈을 기술하십시오. - "경쟁력 있는 인재 확보" 제가 삼성전자에 지원한 이유는 제가 삼성전자의 AI 기술 경쟁력에 확보에 도음이 될것이라고 확신하기 때문입니다. 저는 지속학습과 설명가능한 AI에 대한 관심이 있습니다 실제로 작년에 진행한 정부 과제에서도 이미지 분류, 탐지 모델에서 데이터 드리프트가 일어났을 때 이를 탐지하고 데이터 수집, 데이터 라벨링, 재학습, 모델 검증, 재배포의 과정을 자동화 하는 MLOps 파이프라인 제작도 했었고 이를 기반으로 한 석사 졸업 논문도 작성하였습니다. 과거에 네이버에서 인턴을 했을 때는 로그인 하려는 유저의 마우스 움직임, 키보드 입력속도, 타이핑 기록과 메타데이터를 바탕으로 어뷰저를 잡아내는 모델을 개발했던 적도 있는데 이때도 액션 기반의 영상 분석 AI 모델을 사용하여 로그 데이터를 영상으로 재구축해서 분석하려는 접근을 해본 경험이 있습니다. 이 접근법을 통해서 분석해보니 블랙박스의 딥러닝 특성상 모델의 추론 이유를 알기 어려웠던 것이 모션 기반으로 시각화 해서 보니 더욱 모델이 예측 가능해짐을 느꼈던 경험을 했었습니다. 저의 이러한 경험들을 바탕으로 비전 기반 AI 모델 개발 및 검증, 데이터 수집 및 가공, MLOps 파이프라인 구축 및 관리 등의 업무에 도움이 되고자 합니다. 2. 본인의 성장과정을 간략히 기술하되 현재의 자신에게 가장 큰 영향을 끼친 사건, 인물 등을 포함하여 기술하시기 바랍니다. (※작품 속 가상인물도 가능) 삼성카드 Data Competition에 친구와 함께 참가 했었습니다. 친구는 통계학과였고 머신러닝에 경험이 많았으며 저는 컴퓨터공학과이며 딥러닝에 경험이 많았습니다. 친구는 통계학 지식을 바탕으로 데이터 분석을 잘하고 머신러닝 모델을 제작했으며 저는 프로그래밍 지식으로 기술적으로 오류가 나는 부분들을 잡아주고 여러 요소들을 결합해주는 역활을 해주면서 딥러닝 모델을 작성하였습니다. 저희는 머신러닝과 딥러닝 둘중 하나만 사용하는것이 아닌 두 모델의 힘을 둘다 사용하는 앙상블 모델을 만들었고 최종적으로는 3등상이라는 결과를 이루어 냈습니다. 저는 이 대회를 통해서 서로의 단점을 보완해줄수 있고 서로 다른 분야의 지식을 잘 결합하여 승화한다면 뛰어난 결과를 얻을 수 있다는 경험을 하였고 이를 통해 팀프로젝트의 중요성과 팀으로 개발하는것의 효과를 느낄수 있었고 이는 의미있고 좋은 경험 이였습니다. 졸업작품을 3인 1조로 만들었습니다. 저는 인공지능 지식과 파이썬, 자바 개발경험이 많았고 그에비해 나머지 2명은 인공지능 지식도 아예 없고 개발경험도 부족했습니다. 하지만 저 혼자서 졸업작품을 거의 다 만들어버리는건 무리가 있기도 하고 의미가 없다고 생각하였고 저는 최대한 팀원들에게 알기 쉽게 인공지능 원리와 프로세스를 설명해주고 팀원들이 노력해서 충분히 해낼수 있는 역할분담을 하려고 노력하였고 저는 인공지능 부분과 UI, 프로젝트 전반적인 부분을 담당하였고 카메라 어플리케이션 로직, 파일 입출력 부분은 팀원들에게 분배하는 식으로 진행하였습니다. 결과적으로는 팀원들도 열심히 도와주려고 노력해주었고 저 혼자하는것보다 훨신 효율적으로 프로젝트를 진행 했습니다. 어플리케이션 프로그래밍은 저도 처음 해보는 분야이기 때문에 팀원들과 같이 강의도 보고 예제코드도 찾아 보는 등의 활동을 하면서 정보교류도 되고 새로운 지식을 더 얻는등 혼자 하는것 보다 팀워크를 이용하는것이 더 효율적 이라는것을 알게 되었습니다. Naver CLOVA AI RUSH 2021 대회를 참여했었습니다. 처음에는 5등 안에만 들어서 네이버 인턴을 할 수 있는 기회만 얻을 수 있다면 천만다행이라고 생각하고 참여했었습니다. 대회 참가 자격 제한이 딱히 없었다보니 예상대로 대학원 재학생들도 많았고 다들 실력이 쟁쟁한 사람들끼리 경쟁을 하게 되었습니다. 대회 진행기간이 1Round 2주 + 2Round 3주였는데 하루라도 연구를 쉬면 5위 밖으로 밀려날정도로 치열한 경쟁이였습니다. 중간에 계속 벽을 느끼며 포기하고 싶었지만 저는 불굴의 의지로 자는시간을 제외하고는 모든시간을 대회에 투자하면서 연구했고 그러면서 제가 몰랐던 부분들도 많이 알게되고 엄청난 경험이 되었습니다. 결과도 또한 2위를 차지하면서 예상을 뛰어넘는 엄청난 결과를 얻었고 노력은 배신 하지 않는다는 자신감도 함께 얻었습니다. 3. 최근 사회 이슈 중 중요하다고 생각되는 한 가지를 선택하고 이에 관한 자신의 견해를 기술해 주시기 바랍니다. 최근 거대 언어 모델의 발전으로 사람들의 AI에 관한 관심이 엄청나게 늘어났고 그에 따라서 AI가 모르는 정보에 대해 거짓 대답을 하는 hallucination 현상들이 떠오르며 AI의 설명 가능성에 대한 법제화의 움직임이 활발합니다. AI의 발전에 따라 여러 분야들의 발전이 있었지만 AI 모델의 책임, 예측가능성, 설명가능성에 대한 문제는 여전히 큰 숙제로 남아있습니다. 그에 따라서 XAI에 대한 관심이 다시 한번 올라가고 있으며 LLM 분야에서는 RAG 기술을 통해 근거 있는 지식을 기반으로 추론하도록 하는 움직임도 있습니다. 또한 계속해서 새로운 정보들이 쏟아지고 추론 환경이 바뀌어 가는 현실에서 모델의 지속 학습에 대한 것도 필요한 기술입니다. 그래서 이런 데이터 수집, 가공, 재학습, 모델 검증, 배포 전략등의 MLOps 기술들도 도입 해서 이미 활용하는 기업들도 많고 중요합니다. 삼성전자도 기술 트렌드에 맞춰가기 위해 이러한 인재가 필요하다고 생각합니다. 4. 프로그램 개발, 알고리즘 풀이 등 SW개발 관련 경험 중 가장 어려웠던 경험과 해결방안에 대해 구체적으로 서술하여 주시기 바랍니다. (과제 개요, 어려웠던 점, 해결방법, 결과 포함) 변화하는 데이터 환경에서 ML 모델의 정확도 보장을 위한 MLOps 파이프라인 개발 과제 해당 과제에서는 AI 모델이 학습할 때 사용하는 훈련 데이터와 실제로 세상에 배포되어서 추론할 때 마주하는 입력데이터는 다를 수 있고 당장은 다르지 않더라도 시간이 지남에 따라 seasonal한 데이터 변화, 새로운 클래스의 데이터 등장, 입력 데이터와 출력 데이터의 관계 변화등 다양한 데이터 드리프트를 경험 할 수 있고 이에 적응 하기 위한 방법론을 개발 해야만 했었습니다. AI 모델을 개발 할 때 가장 큰 딜레마중에 하나는 성능을 좋게 하기 위해 모델의 크기를 키울 수록 리소스는 많이 들고 이것은 엣지 디바이스에서 활용 하기에는 바람직하지 않다는 것이고 그렇다고 엣지 디바이스에 맞게 모델을 줄이자니 성능이 떨어진다는 문제입니다. 해당 과제에서는 엣지 디바이스에서 이미지 데이터의 변화를 탐지하고 추가적인 학습을 위한 데이터 수집, 라벨링을 어떻게 진행 할까가 가장 큰 문제였으며 작은 모델에서 진행을 하니 제대로 결과가 나오지 않는다는 문제가 있었습니다. 그러던중 최근 초거대모델, LLM의 등장과 그걸 활용하는 방법론 들을 보면서 엣지 디바이스에서 모든 작업들을 할 필요 없이 큰 데이터센터를 중간에 두고 Large Foundation Model을 활용하여 데이터를 클러스터링 하고 라벨링 하는데에 활용하여 엣지 디바이스와 데이터센터의 역할을 분리해서 분배하는게 더 합리적이고 성능도 좋게 나올 것이라고 생각 하였습니다. 거대 모델의 활용 없이는 깜깜하고 진전이 없어 보였던 것이 거대 모델을 활용하니 실제로 훨신 좋은 성능을 내는 것을 확인했고 엣지 디바이스에서는 추론과 데이터 편차 탐지만 담당하면 되어서 부담이 줄어 든 것을 확인 할 수 있었습니다.