1. 본인의 지식 및 기술역량을 지원직무 수행 시 어떻게 발휘할 수 있을지 설명해 주세요.
(최소 300자, 최대 700자) (*작성방법 : ① 지식 및 기술역량 ② 해당 역량을 어떻게 발휘할 수 있을지에 관한 내용 포함)
저는 데이터 분석과 AI 모델 개발 등 다양한 경험을 바탕으로 문제를 분석하고 서비스에 적용할 수 있는
해결 방안을 만들어낼 수 있습니다. 학부 시절에는 뉴스와 SNS 데이터를 직접 크롤링하고 전처리하여
LSTM 기반 주가 예측 모델을 구축하며 데이터 수집부터 분석, 모델 학습 및 평가까지 전 과정을 수행했습니다.
또한 석사 과정에서는 Video momentretrieval 연구를 통해 기존 연구 동향을 파악하고 한계를 분석하고 개선하여
성능을 향상하는 연구를 수행했습니다.
이러한 연구는 대부분 연구실에서 구축된 GPU 서버에서 Docker 컨테이너를 활용하여 진행했습니다.
저는 어떠한 프로젝트를 시작할 때 단순히 기술적인 부분뿐만 아니라 비즈니스 측면 그리고 사용자 관점에서 어떠한것이 효율적인지, 필요한지를 늘 고민합니다.
이러한 제 태도와 지금까지의 경험을 토대로 AI기술팀에서 서비스와 비즈니스 요구사항을 분석하고,
데이터를 기반으로 문제를 정의하고 실제 서비스에 적용할 수 있는 솔루션을 설계하는 데 기여하고 싶습니다.
학부 전공에서 비즈니스 측면에서의 효율과 가치에 대해 늘 고민하는것을 배웠고,
석사 과정 동안 AI기술 자체에 대한 이해를 높였습니다. 이러한 제 경험을 통해 단순히 비즈니스만을 이해하는것이나
기술만을 알고 있는것에서 나아가 비즈니스 측면에서 AI기술을 더 효율적으로 개발시킬 수 있는 역량을 갖추었습니다.
2. 프로젝트를 완수하기 위해 노력한 경험을 구체적으로 소개해 주세요. (최소 300자, 최대 700자)
(*작성방법 : ① 프로젝트 종류 / 규모 / 본인 역할 및 기여도 / 수행 과정 / 배운 점 포함) ② 직무 관련 과제/대외활동/동아리/인턴경험/개인 프로젝트 등 규모 및 종류에 관계 없이 작성 가능)
학부 시절 졸업 프로젝트로 뉴스와 SNS 데이터를 활용한 투자자 심리를 반영한 주가 예측 프로젝트를 수행했습니다.
팀으로 진행된 프로젝트였고, 각 팀원이 모든 과정에 참여할 수 있게 파트를 나누어 진행했습니다.
또한 저는 추가로 프로젝트의 전반 적인 방향을 정리하고 아이디어를 제시하는 역할을 수행했습니다.
프로젝트 초기, 데이터 수집의 어려움이나 기술적 한계 등으 로 인해 주제를 정하기까지 약 한 달이 소요되었고,
팀원 간의 많은 회의와 지도 교수님과의 대화를 통해 주제를 결정했습니다.
이후 실제 데이터 수집 과정에서 API 제한 등으로 인한 어려움이 있었지만, 팀원들 모두가 다양한 방법을 함께 탐색하여
수집 방식을 수정하는 등 문제를 해결했습니다.
프로젝트 후반부에는 모델 예측 결과가 실제 주가 흐름과 유사하지만 약 2~3일 정도 느리게 진행되는 현상이 발생했습니다.
처음에는 이 문제를 해결하기 위해 코드를 수정해 보았지만,
저는 이를 단순한 모델 오 류라고 보기보다 뉴스와 SNS 등에서 형성된 투자자의 심리가 실제 주식 시장에 반영되기까지
일정한 시간이 필요하다는 가설 을 제시했고, 이를 팀원들이 받아들여 분석 과정에 반영하여 결과를 해석했습니다.
이러한 과정 끝에 데이터 기반으로 투자자 심리와 주가 변동 간의 관계를 설명할 수 있었고,
프로젝트를 통해 기술적 구현뿐만 아니라 다양한 관점에서의 해석 또한 중요 하다는것을 배웠습니다.
3. 본인 삶의 가치관 한 가지를 소개하고, 이를 회사에서 실현할 수 있는 방법을 작성해 주세요.
(최소 300자, 최대 700자) (*작성방법 : ① 본인의 가치관 ② 회사에서의 가 치관 실현 방법 포함)
제 가치관 중 하나는 '어떤 문제든 다양한 관점에서 생각해 보자' 입니다.
삶의 전반적인 태도 측면에서 보자면 '힘들고 어려운 순간이 오더라도 관점을 바꿔보면 제가 성장할 수 있는 계기다.'라고
생각하는것입니다.
또한 일적인 측면에서 생각하면 일을 하다가 막히거나 어려운 상황이 생겼을 때
, 한 발짝 물러나서 다른 관점에서 문제를 바라보면 해결책이 떠오를 수 있다고 생각 하는것입니다.
학부 졸업 프로젝트에서는 코드와 모델 구조상 문제에 국한하여 생각하던것에서 벗어나 다른 관점으로 바라보 려 했을 때,
기술적인 오류가 아닌 투자자 심리가 실제 주식 시장에 반영되는 시차가 있다는 사실을 떠올릴 수 있었습니다.
또한 석사 과정 연구를 하면서도, 처음 방법론을 생각하며 단순히 정량적인 성능 개선 측면에서 생각하다 보니
어려움을 겪었는데 결국 그 관점에서 벗어나 실제 사용자 관점에서 어떠한 개선이 필요할지 생각하며 '여러 정답 구간이 있을 때,
그 구간 간의 의미적 관계를 직접적으로 학습하면 도움이 될 수 있겠다'라고 아이디어를 떠올릴 수 있었습니다.
이러한 제 가치관은 회사 생활에서도 많은 도움이 될것이라 생각합니다.
프로젝트를 진행하며 어떠한 어려움을 마주해도 다양한 관점에서 생각하며,
AI기술팀에서도 기술적인 해결에 더해 다양한 관점에서의 문제 인식과 실제 서비스 환경을 모두 고려하며 해결 방안을 찾아갈것입니다.