카테고리 추가232 네트워크 자동화 포트폴리오 준비법(Python, API, 설정관리) 네트워크 엔지니어를 준비하는 취업 준비생의 프로젝트를 점검하다 보면 Python을 이용해 여러 장비의 정보를 한 번에 가져오거나 동일한 설정을 배포한 경험을 포트폴리오에 넣는 경우가 많습니다. 처음 보면 수동 작업을 코드로 바꿨다는 점에서 충분히 자동화 프로젝트처럼 보입니다. 그런데 자동화하기 전에는 얼마나 반복적인 작업이었는지, 일부 장비에서 명령이 실패하면 어떻게 처리했는지, 잘못된 설정이 여러 장비에 동시에 적용되는 문제는 어떻게 막았는지를 질문하면 설명이 짧아지는 경우가 있습니다. 반대로 Python 코드는 길고 GitHub 저장소도 잘 정리되어 있는데 실제 네트워크가 무엇 때문에 개선되었는지 보이지 않는 프로젝트도 있습니다. 장비에 SSH로 접속하고 명령을 실행하는 함수는 있지만, 라우팅과 인터.. 2026. 10. 24. 하이브리드 클라우드 운영 직무 준비법(온프레미스, 연동, 보안) 클라우드 운영 직무를 준비하는 취업 준비생의 프로젝트를 점검하다 보면 AWS나 Azure에서 가상머신을 만들고 VPC와 서브넷, IAM까지 구성한 경험은 충분한데, 온프레미스 환경이 추가되는 순간 전체 구조를 설명하지 못하는 경우가 있습니다. 퍼블릭 클라우드 안에서는 서버와 네트워크를 구성할 수 있지만 사내 데이터센터의 애플리케이션 서버가 클라우드의 데이터베이스에 접근해야 한다고 하면 어떤 경로로 연결해야 하는지, 내부 DNS와 클라우드 DNS는 어떻게 연동되는지, 두 환경 사이의 장애는 어느 구간부터 확인해야 하는지에서 답변이 막히는 식입니다. 반대로 Linux 서버와 VMware, 사내 네트워크 운영 경험이 있는 취업 준비생 중에는 기존 인프라는 익숙하지만 클라우드가 추가됐을 때 관리 기준을 어떻게 .. 2026. 10. 23. 클라우드 보안 직무 준비 포인트(IAM, 네트워크, 로그) 정보보안 직무를 준비하다 클라우드 보안까지 관심을 넓힌 취업 준비생의 프로젝트를 점검하다 보면 방화벽, 취약점 진단, 악성코드, 로그 분석 같은 기본 보안 개념은 알고 있는데 클라우드 환경에서 무엇이 달라지는지 설명하는 단계에서 막히는 경우가 있습니다. AWS나 Azure에서 서버를 만들어본 경험은 있지만 IAM 정책을 왜 따로 설계해야 하는지, 보안그룹과 네트워크 ACL은 어떤 차이가 있는지, CloudTrail이나 Activity Log 같은 감사 로그를 사고 대응에서 어떻게 활용하는지까지 연결하지 못하는 식입니다. 반대로 클라우드 서비스 사용 경험은 많은데 보안 관점이 약한 경우도 있습니다. EC2나 가상머신을 만들고 VPC를 구성했지만 관리자 권한을 넓게 부여해 두거나, 인터넷에 공개할 필요가 없.. 2026. 10. 22. AI서비스 기획과 일반 서비스 기획 차이(모델, 데이터, 평가) AI 서비스 기획 직무를 준비하는 취업 준비생의 포트폴리오를 함께 점검하다 보면 화면 구성과 사용자 흐름은 잘 만들어져 있는데, 정작 AI가 예상과 다른 결과를 만들었을 때 어떻게 처리할 것인지가 빠져 있는 경우가 있습니다. 사용자가 질문을 입력하면 AI가 답변하고, 답변을 저장하거나 다시 생성하는 기능까지는 상세하게 기획되어 있지만 모델이 잘못된 정보를 생성했을 때 어떤 문구를 보여줄지, 근거가 부족한 질문에서는 어디까지 답변하게 할지, 같은 질문에 조금 다른 결과가 나와도 정상으로 볼 수 있는지는 정리되지 않은 식입니다. 일반적인 서비스 기획에서는 회원가입이 성공했는지, 결제가 정상적으로 끝났는지처럼 비교적 명확한 성공과 실패 조건을 정의할 수 있습니다. 하지만 생성형 AI 서비스에서는 같은 입력에도.. 2026. 10. 21. KT AI서비스 확대와 주목 직무(클라우드, 데이터, 에이전트) KT의 AI 관련 직무를 준비하는 취업 준비생의 프로젝트를 함께 점검하다 보면 생성형 AI 서비스를 만들어본 경험은 있는데, 그 서비스가 실제 기업 환경에서 어떤 인프라와 데이터를 사용하고 어떻게 운영되는지까지 설명하는 단계에서는 답변이 짧아지는 경우가 있습니다. LLM API를 연결해 챗봇을 만들었고 RAG 프로젝트도 진행했지만, 모델이 어느 환경에서 서빙되는지, 서비스 사용량이 늘어나면 어떤 자원을 확인해야 하는지, 에이전트가 어떤 데이터와 업무 시스템을 사용할 수 있는지를 질문하면 각각 별개의 기술처럼 받아들이는 식입니다. 반대로 클라우드와 데이터 관련 기술을 공부한 취업 준비생 중에도 비슷한 문제가 나타납니다. Azure와 AWS에서 서버를 배포하고 SQL과 데이터 파이프라인도 경험했지만, AI .. 2026. 10. 20. RAG 프로젝트 취업 포트폴리오 장단점(검색, 생성, 평가) AI 직무를 준비하는 취업 준비생의 포트폴리오를 함께 점검하다 보면 RAG 프로젝트가 상당히 자주 등장합니다. PDF나 사내 문서를 벡터 DB에 저장하고 사용자가 질문하면 관련 문서를 검색한 뒤 LLM이 답변하는 구조입니다. LangChain이나 LlamaIndex 같은 프레임워크를 사용했고 임베딩과 벡터 검색까지 구현했기 때문에 처음 보면 AI 프로젝트로서 준비가 잘 된 것처럼 보일 수 있습니다. 그런데 프로젝트 설명을 조금 더 들어가면 차이가 나타납니다. 왜 문서를 해당 크기로 나누었는지, 검색 결과 첫 번째 문서가 실제 질문과 관련 있는지, 벡터 검색만 사용했는지 키워드나 하이브리드 검색과 비교했는지 질문하면 답변이 짧아지는 경우가 있습니다. 생성된 답변도 자연스럽지만 실제 문서에 없는 내용을 모델.. 2026. 10. 19. 이전 1 2 3 4 ··· 39 다음
