문장 스크랩

---

복사

---

공유

1. 지원 동기 안녕하세요. 저는 데이터를 통해 숨겨진 가능성을 발견하고, 이를 AI 기술로 실현하는 데 열정을 가진 데이터 전문가 입니다. 대학 시절부터 복잡한 문제를 분석하고 최적의 해결책을 찾아내며 실질적인 가치를 창출하는 과정에 깊은 흥미를 느껴왔습니다. 이를 바탕으로 다양한 프로젝트와 실무 경험을 통해 AI 기술과 데이터 분석을 활용해 문제를 해결하고, 사용자 경험을 개선하는 데 필요한 역량을 키웠습니다. 제가 AI 기술과 데이터 분석 기술에 관심을 가지게 된 계기는 데이터를 활용한 혁신적인 서비스 개발과 사용자 중심 최적화의 중요성을 인식하면서부터였습니다. 특히, 데이터 기반 사고와 머신러닝 개발 및 운영 역량은 제가 그동안 수행했던 프로젝트와 밀접한 관련이 있었고, 이를 통해 실제로 가치를 창출할 수 있는 방법을 발견하게 되었습니다. 이 과정에서 조직이 추구하는 비전과 목표가 제 경험과 지향점과 맞닿아 있다는 확신을 가지게 되었으며, 이로 인해 지원을 결심하게 되었습니다. 데이터와 AI 기술이 가진 잠재력을 실현하고, 이를 통해 사용자와 기업 모두에게 실질적인 가치를 제공하는 솔루션을 만드는 것이 저의 목표입니다. 이 팀의 일원으로 합류하여 데이터 기반 사고와 기술적 역량을 발휘하며, 함께 더 나은 미래를 만들어 나가고자 합니다. 2. 교외 활동 및 사회 경험 저는 다양한 교육과 프로젝트를 통해 실무 능력과 협업 역량을 키워왔으며, 특히 AI 기술과 데이터를 활용해 문제를 해결하며 의미 있는 성과를 만들어낸 경험들이 있습니다. 그중에서도 저에게 가장 큰 배움과 성장을 안겨준 세 가지 경험을 소개드리겠습니다. 첫 번째로 소개할 경험은 인공지능과 정보보호에 대한 관심을 본격적으로 키우게 된 'AI 보안 기술개발 네트워크반 교육'입니다. 2023년 1학기, 대학교를 졸업하신 선배님의 강연을 통해 인공지능에 대한 흥미가 생겼고, 학기가 끝나자마자 과학기술정보통신부와 한국정보보호산업협회에서 주관하는 이 교육 프로그램에 참여하게 되었습니다. 초반에는 정보보호 이론과 인공지능의 기본 원리를 배우며 어려움을 느끼기도 했지만, 동기들과의 소통과 협력을 통해 점차 적응하며 꾸준히 성장할 수 있었습니다. 교육이 마무리된 후에는 팀원들과 함께 문자열 특징을 기반으로 한 AI 모델을 활용한 악성 URL 탐지 디스코드 봇 프로젝트를 진행했습니다. 프로젝트 초반에는 Kaggle, KISA, ISCX-URL2016, PhishTank, The Pudding에서 데이터 총 570,192개의 URL 데이터를 수집했으며, 각자 구글링과 논문 등을 통해 Feature를 추출했습니다. 이후 끊임없이 전처리 및 데이터셋 수정 등을 진행했고, 프로젝트 중반부터 Light Gradient Boost, X Gradient Boost, Support Vector Machine, Decision Tree, Random Forest 다섯 가지 모델을 나눠 맡아 개발을 진행했습니다. 저는 Decision Tree를 담당하여 학습을 진행했으며, 최종적으로는 90.23%의 정확도로 5개의 모델 중 두 번째로 좋은 결과물을 냈습니다. 결과적으로 악성 URL을 판별하는 디스코드 봇을 92% 이상의 정확도로 구현하여 성공적인 결과를 이끌어 냈고, 최종 프로젝트 발표회에서는 4위로 선정되어 장려상을 수상하였습니다. 이를 통해 인공지능 분야의 최신 동향과 전문 지식을 적극적으로 습득하며, 다양한 보안 문제에 대처하는 능력을 크게 향상시켰습니다. 이는 이론적인 지식뿐만 아니라 실무적인 능력까지 키워나갈 수 있는 중요한 계기였습니다. 뿐만 아니라, 교육 동안 AI 및 보안 업계 최고 전문가들과의 교류를 통해 보다 폭넓은 지식을 확장할 수 있는 특별한 경험을 얻었습니다. 이러한 경험을 통해 AI 기술이 보안 문제를 해결하는 데 실질적인 가치를 제공할 수 있음을 깨달았고, 더욱 깊이 있는 지식과 역량을 쌓고자 노력했습니다. 이어서 소개할 두 번째 경험은 한국정보기술연구원이 주관한 '화이트햇 스쿨 2기' 프로그램 참여로, AI와 보안의 융합 가능성을 탐구하며 한 단계 더 성장할 수 있었던 경험입니다.이 프로그램은 보안부터 언어까지 다양한 커리큘럼으로 구성되어 있었고, 이를 통해 AI와 보안 기술을 활용한 문제 해결 역량을 체계적으로 쌓고자 지원했습니다.프로그램 초반부는 정보보안 윤리, 네트워크, 암호학, 클라우드 보안, 포렌식 기술 등 폭넓은 이론 교육에 중점을 두고 진행되었습니다. 특히 시스템 해킹과 웹 해킹에서 다룬 취약점 분석과 원리 이해는 AI 기술을 보안 문제에 적용할 가능성을 새롭게 조명해 주었습니다. 어셈블리 언어나 메모리 구조 같은 생소한 분야는 어려웠지만, 반복적인 복습과 팀원들과의 스터디를 통해 극복하며 보안 기술의 이론적 기초를 다질 수 있었습니다. 이론 교육이 끝난 뒤에는 실질적인 프로젝트 단계에 돌입했습니다. 팀원들과 함께 공급망 보안 관점에서 머신러닝을 활용해 악성 패키지를 탐지하는 과제를 수행하게 되었고, 이는 저에게 기술적 도전과 협업의 중요성을 동시에 배우는 기회가 되었습니다. 프로젝트 초기에는 데이터셋의 품질 문제와 불균형으로 인해 머신러닝 모델이 학습 과정에서 과적합되어 성능이 만족스럽지 못한 상황이 발생했고, 문제를 해결하기 위해 데이터 전처리 단계에서 불필요한 데이터를 제거하고, SMOTE를 활용해 데이터 불균형 문제를 해소하며 이러한 어려움을 해결하고자 했습니다. 또한, 다양한 머신러닝 모델(XGBoost, Random Forest, Decision Tree, Light GBM 등 총 7가지 모델)을 비교 분석하며 최적의 모델을 선정하는 과정을 거쳤습니다. 반복적인 테스트와 피드백 과정을 통해 XGBoost 모델로 최적화된 결과를 도출할 수 있었고, 팀원들과 협력해 모델 성능을 한층 끌어올릴 수 있었습니다. 결국, 저희 팀은 프로젝트를 성공적으로 마무리하며 최종 평가에서 1등을 차지했고, 우수 프로젝트상을 수상했습니다. 이로써 AI 기술이 공급망 보안 문제를 해결할 수 있는 가능성을 효과적으로 입증할 수 있었고, 멘토와 평가자로부터 기술적 깊이와 협업 능력 면에서 높은 평가를 받았습니다. 이 경험을 통해 AI 기술을 활용한 실질적인 문제 해결 능력과 데이터를 다루는 기술적 역량을 크게 향상할 수 있었으며, 특히 데이터 전처리와 모델 최적화 과정에서 쌓은 기술적 경험은 실무 환경에서도 충분히 활용할 수 있는 기반이 되리라 확신했습니다. 또한, 협업의 중요성을 깊이 체감하며 다양한 의견을 조율하고 하나의 목표를 향해 나아가는 팀워크의 본질을 배울 수 있었습니다. 이는 제가 앞으로 더욱 복잡한 문제에 도전할 수 있는 자신감을 심어주었고, AI와 데이터를 활용해 새로운 가치를 창출하는 데 기여하고자 하는 의지를 더욱 굳건히 다지는 계기가 되었습니다. 이어서 소개할 세 번째 경험은 Prompt Engineer 팀에서 인턴으로 근무하며, 실제 데이터 분석 및 AI 최적화를 통해 사용자 중심의 솔루션을 설계했던 경험입니다.2024년 7월부터 AI 기업에서 Prompt Engineer 인턴으로 근무하며, 사회에 첫발을 내딛는 설렘과 동시에 다양한 도전에 직면했습니다. 처음에는 새로운 환경과 업무에 적응하는 것이 쉽지 않았습니다. 특히, 경험이 부족한 상태에서 회사의 속도와 수준에 맞추기 위해 많은 노력을 기울여야 했습니다. 낯선 용어와 절차들, 그리고 팀 내에서의 소통 과정에서 느낀 부족함은 제게 큰 과제로 다가왔습니다. 하지만 이를 극복하기 위해 작은 실천부터 시작했습니다. 매일 업무와 관련된 자료를 찾아 읽고, 익숙해지기 위해 스스로 공부하며 틈틈이 메모하는 습관을 들였습니다. 또한, 모르는 부분이 생길 때마다 동기와 선임에게 주저 없이 질문하고, 이를 통해 적극적으로 피드백을 받아들이며 개선점을 찾아나갔습니다. 이러한 과정을 통해 업무의 본질을 이해하고 실질적인 자신감을 키울 수 있었습니다. 주기적인 회의에서는 적극적으로 의견을 제시했으며, 필요한 경우 다른 부서와 협의하며 원활한 커뮤니케이션과 협업 능력을 강화할 수 있었습니다. 그 결과, 지금은 팀 내에서 신뢰를 얻으며 원활하게 협업하고 있으며, Prompt Engineering뿐만 아니라 데이터 분석 및 설계, 모델 최적화, RAG 등 다양한 프로젝트에도 참여하며 제 역할을 다하고 있습니다. 현재 재직 중인 회사에서 가장 의미 있었던 경험 중 첫 번째는 자사의 AI 모델을 활용한 Task UI 시스템 최적화 프로젝트였습니다. 이 프로젝트는 영한 번역, 이메일 작성, 문서 분석, 코드 작성, 데이터 규격 통일 등 여러 Task UI의 성능을 개선하는 것을 목표로 했습니다. 초기 테스트 결과, 모든 Task UI가 50% 미만의 정확도를 기록하며 만족스럽지 못한 결과를 보여주었습니다. 문제의 근본 원인을 분석한 결과, 프롬프트 설계가 모델의 강점을 충분히 활용하지 못하고 있다는 점을 발견했습니다. 이를 해결하기 위해, 저는 Few-shot 및 Step-by-step 기법을 도입하여 모델이 단계적으로 생각하고 더 정확한 출력을 생성할 수 있도록 프롬프트를 개선했습니다. 각 Task UI에 맞는 맞춤형 예제를 설계하여 모델 성능을 안정적으로 끌어올렸고, 그 결과 대부분의 Task UI에서 90% 이상의 정확도를 달성할 수 있었습니다. 최적화된 Task UI는 개발 단계로 이관되었으며, 이 과정에서 프롬프트 설계와 데이터의 중요성을 깊이 체감할 수 있었습니다. 재직 중 기억에 남는 두 번째 경험은 공기업 맞춤형 Chat-Bot 프로젝트였습니다. 이 프로젝트의 목표는 Retriever와 자사의 70B 모델을 활용하여 공기업의 데이터 요구에 맞는 질문-응답 시스템을 설계하고, 이를 상용화 가능한 솔루션으로 개발하는 것이었습니다. 초기 단계에서는 질문-답변 데이터 세트를 구축하고 데이터 분석 및 예외 케이스 처리에 집중했습니다. 그러나 시스템이 예상치 못한 사용자 입력이나 잘못된 질문 형태에 적절히 대응하지 못하는 문제가 있었습니다. 이를 해결하기 위해, CoT(Chain of Thought)와 Few-shot 학습 기법을 결합하여 모델이 질문의 의도를 추론할 수 있는 논리적 흐름을 설계했습니다. 더불어, 예외 케이스 처리를 강화하여 의도를 이해하지 못하는 경우에는 고정 멘트를 출력하도록 수정해 시스템의 안정성을 높였습니다. 그 결과, 프로젝트는 공기업의 요구를 충족하는 맞춤형 Chat-Bot 솔루션으로 상용화되었고, 이를 통해 데이터 분석과 시스템 설계 역량을 한층 강화할 수 있었습니다. 마지막으로 기억에 남는 프로젝트는 OO대학교 맞춤형 AI 로봇 개발 프로젝트였습니다. 저는 RAG 데이터를 활용해 대학 관련 질문에 대한 정보 제공 시스템을 구축했으며, 작품 이동, 특정 장소 안내, 학과 정보 제공 등 다양한 사용자 중심 기능을 설계했습니다. 프로젝트 초기에 AI 로봇이 질문 유형에 따라 일관된 응답을 제공하지 못하는 문제가 발생했으나, 질문을 카테고리화하고 각 카테고리에 적합한 데이터와 프롬프트를 정제하여 문제를 해결했습니다. 그 결과, AI 로봇은 사용자 요구에 맞는 정확하고 간결한 응답을 제공할 수 있게 되었으며, 사용자 맞춤형 정보 제공과 작업 수행의 안정성을 높일 수 있었습니다. 이러한 과정을 통해 깨달은 가장 중요한 교훈은 AI 기술이 단순히 모델 설계에 그치는 것이 아니라, 사용자의 요구를 깊이 이해하고 이를 해결하는 실질적인 시스템을 만드는 데 있다는 점이었습니다. 이 경험들은 데이터 기반 문제 해결 능력과 AI 시스템 설계 역량을 키우는 데 중요한 밑거름이 되었고, 사용자 중심의 AI 솔루션을 개발하는 데 필요한 통찰력을 제공해 주었습니다. 앞으로도 이 경험을 바탕으로 다양한 환경에서 유연하고 능동적으로 적응하며 발전해 나가고자 합니다. 3. 입사 후 포부 이러한 배움과 성장을 바탕으로, AI 기술을 통해 사용자와 기업 모두에게 의미 있는 변화를 만들어 나가기 위한 포부를 말씀드리고자 합니다. 그동안의 배움과 성장 과정을 통해 AI 기술이 사용자와 기업 모두에게 실질적인 가치를 제공할 수 있다는 확신을 가지게 되었고, 데이터를 활용해 AI 기술의 잠재력을 극대화하는 개발자로 성장하고자 합니다. 이를 위해 다음과 같은 구체적인 실천 방안을 계획하고 있습니다. 첫째, 데이터 분석과 feature 정의를 통해 서비스의 핵심 요소를 발굴하겠습니다. 데이터를 기반으로 사용자의 숨겨진 니즈를 파악하고, 이를 서비스에 반영하여 AI 기술이 실질적인 가치를 창출하도록 기여하겠습니다. 둘째, 머신러닝 모델 설계와 최적화 역량을 심화시키겠습니다. 과거 프로젝트를 통해 쌓은 데이터 전처리와 모델 성능 개선 경험을 바탕으로, AI 모델이 높은 효율성과 정확성을 유지할 수 있도록 돕겠습니다. 셋째, 사용자 중심의 AI 솔루션 개발에 주력하겠습니다. Prompt Engineering과 RAG 설계 경험을 활용해 사용자 요구를 정확히 이해하고, 이를 충족시키는 맞춤형 솔루션을 설계하여 고객 만족도를 높이겠습니다. 기업의 비전과 목표에 공감하며, 저는 이러한 노력과 경험을 바탕으로 팀의 성과에 기여할 뿐만 아니라, 장기적으로 팀의 핵심 구성원으로 자리 잡고 싶습니다. AI 기술의 무한한 가능성을 현실로 구현하며 사용자와 기업 모두에게 혁신을 제공하는 데 앞장서겠습니다. 감사합니다.