Internet Explorer 서비스 종료 안내

Internet Explorer(IE) 11 및 이전 버전에 대한 지원이 종료되었습니다.

원활한 이용을 위해 Chrome, Microsoft Edge, Safari, Whale 등의 브라우저로 접속해주세요.

리스트박스

합격 자소서

LS일렉트릭 / 연구지원 / 2025 상반기

지거국 / 전자공학 / 학점 3.69/4.5 / 토익스피킹: 130레벨6 / 학부연구생

보고있는 합격자소서 참고해서 내 자소서 작성하기닫기
마음에 드는 문장을 스크랩 할 수 있어요!
지금 바로 PC에서 이용해보세요.

최고 품질의 상품들을 지금보다 더 많은 소비자들이 여러 유통 채널에서 더욱 폭 넓고 쉽게...



1. LS ELECTRIC에 지원한 동기를 구체적으로 기술 바랍니다. LS ELECTRIC은 스마트 전력 및 자동화 분야에서 국내를 넘어 글로벌 시장까지 선도하는 기업으로, 전력 설비의 신뢰성과 효율성을 높이는 고도화된 기술력을 보유하고 있습니다. 특히 스마트 진단 기술을 통해 예측 가능한 유지 보수와 고품질의 설비 운용을 가능하게 하고 있다는 점에서 큰 매력을 느껴지원하게 되었습니다. 저는 실무에서 H/W와 S/W 테스트, 현장 진단 지원 업무를 통해 설비의 안정적 운용과 품질 향상에 직접 기여하고 싶습니다. LS ELECTRIC의 우수한 기술 인프라와 체계적인 업무 환경에서 전문성을 갖추고, 지속적인 성장을 통해 전력 산업 혁신에 적극적으로 기여할 것입니다. 최근 AI발전에 따른 전력 수요 문제와 데이터 센터의 여러 수요 증가에 대하여 개발 시험 및 테스트, 그리고 현장 진단 지원을 통해 이러한 에너지 문제 해결에 이바지하겠습니다. 2. 희망하는 직무를 수행함에 있어 필요한 역량과 이 역량을 갖추기 위한 노력 또는 경험을 기술 바랍니다. 해당 직무 수행을 위해 다양한 전자공학 수업을 희망하는 직무 수행을 위해서는 전력 시스템에 대한 이해와 하드웨어 및 소프트웨어를 다룰 수 있는 역량이 필수적이라 생각합니다. 저는 학부 과정에서'전력 전자' 수업을 통해 전력 변환 기본 원리와 DC-DC 컨버터, 인버터 회로 설계 방법을 익히며 관련 지식을 습득하였습니다. 단순한 컨버터, 인버터의이론적인 내용만 배우는 것에 그치지 않고 matlab simulink와 Psim 시뮬레이션을 사용하여 컨버터와 계통 연계형 인버터 제어 시스템을 설계하여 원하는 전압/ 전류를 출력하였습니다.또한 '마이크로프로세서 설계' 수업에서는 C프로그램을 활용하여 STM32 기반의 PWM 제어와 인터럽트를 이용한 서보 모터 RPM 제어를 구현하여 원하는 제어 결과 값을 출력 하였습니다. 이러한 경험을 통해 개발 시험 및 테스트, 진단 과정에서 성실하게 업무를 배워 연구 지원 활동에 이바지하겠습니다. 3. 본인의 성격에 가장 큰 강점과 약점을 기술하여 주시기 바랍니다. 제 성격의 가장 큰 강점은 어려운 상황에서도 포기하지 않고 문제를 끝까지 책임지고 해결하는 진중함입니다. 어려움이 있어도 중도에 포기하지 않고, 팀원들과 적극적으로 협업하며 해결할 방법을 찾아 문제를 해결해 나가는 성격입니다. 이러한 성격은 산학 프로젝트 여러 어려움이 발생하였으나 포기하지않고 끝까지 문제를 해결하기 위해 다양한 방법을 시도하며, 지속적으로 개선점을 찾아내 문제를 해결하고 최적의 결과를 도출했습니다. 반면, 약점은 수동성입니다. 저 스스로 결정해야 하는 상황에서는 너무 신중하게 고민을 하는 경향이 있어 일처리가 늦어지거나 스트레스를 받는 경우가종종 있습니다.이러한 성격 때문에 남의 결정에 의존하는 경향이 있었으나, 최근에는 주도적으로 의견을 제시하며 업무의 방향에 대한 자기주장을 높이기 위해 노력하고 있습니다. 이를 통해 부족했던 능동성과 적극성을 보완하고 있습니다. 4. 도전적인 목표를 세우고 이를 달성하기 위해 노력했던 사례와 결과를 구체적으로 기재해 주시기 바랍니다. 학부연구생으로서 산학 프로젝트에서 팀원들과 함께 '시스템 에어컨 인공지능 자율운전 제어'를 맡아 '강화학습 알고리즘을 활용한 실내 에어컨 위치 탐색 알고리즘 개발'을 연구했습니다. 프로젝트의 목표는 HVAC 시스템 에어컨의 실내기 위치를 자동으로 식별하고 동일 공간 여부를 분류하여 효율적 운전을 지원하는 것이었습니다. 기존에는 단순히 온도 센서 데이터를 활용해 선형 상관도(PCC)를 분석하는 통계적 방식을 적용했으나, 정확도와 학습 효율성이 낮았습니다. 이를 개선하고자 강화 학습(Q-learning) 알고리즘을 활용해 수차례의 시도를 통하여 튜닝과 파라미터 조정을 통해 보상 함수를 설계하여알고리즘 학습 기간을 2주로 단축하면서도 88% 이상의 높은 정확도로 실내기 위치를 분류하는 데 성공했습니다. 그리고 해당 연구 성과를 인정받아 현재 함께 프로젝트를 진행한 기업에서는 상용화를 진행 중에 있습니다. 해당 프로젝트에서 연구내용 포스터에 발표하여 ‘우수 포스터상'을 수상받았습니다.