AI엔지니어3 AI개발자와 AI엔지니어 업무 차이(모델, 서비스, 인프라) AI 관련 직무를 준비하는 취업 준비생의 포트폴리오와 채용공고를 함께 점검하다 보면 프로젝트는 분명 AI를 활용했는데 자신이 AI 개발자와 AI 엔지니어 중 어느 방향에 가까운지 설명하지 못하는 경우가 있습니다. Python으로 데이터를 전처리하고 모델을 학습한 뒤 정확도를 비교한 경험이 있어 AI 개발자를 준비한다고 생각했지만, 다른 프로젝트에서는 이미 만들어진 모델을 API로 연결하고 웹서비스에 배포하는 역할을 더 많이 담당한 경우도 있습니다. 프로젝트 이름은 모두 AI였지만 실제로 수행한 업무는 서로 달랐던 것입니다.면접 질문에서도 차이가 드러납니다. 모델의 성능을 개선하기 위해 어떤 데이터를 추가했고 왜 특정 평가 지표를 사용했는지 묻는 질문에는 답변할 수 있지만, 사용자가 동시에 많이 접속했을 .. 2026. 10. 1. 네이버 AI서비스 확대와 IT취업 변화(검색, 광고, 에이전트) IT 취업 상담이나 포트폴리오를 점검하다 보면 기업의 AI 뉴스는 꾸준히 찾아보는데, 정작 그 변화가 자신의 준비 방향과 어떻게 연결되는지는 설명하지 못하는 경우가 있습니다. 네이버가 AI 검색을 확대한다는 기사를 읽고 생성형 AI를 공부해야겠다고 생각하거나, AI 광고 기술이 늘어난다는 소식을 보고 데이터분석을 공부해야겠다고 판단하지만 여기에서 한 단계 더 들어가면 답변이 막히는 식입니다. 검색 서비스에 AI가 들어가면 기존 검색 시스템에서 무엇이 달라지는지, 광고 자동화에는 어떤 데이터와 추천 기술이 필요한지, 에이전트가 단순 답변을 넘어 예약이나 구매 같은 행동까지 연결하려면 어떤 시스템이 함께 움직여야 하는지까지 생각해보지 않은 경우가 많습니다.실제로 기업 기술동향을 이용해 포트폴리오 방향을 잡아.. 2026. 9. 24. AI엔지니어 취업 모델 학습만으론 부족(데이터, 배포, 평가) AI 엔지니어 취업을 준비하는 학생의 포트폴리오를 검토할 때 처음에는 상당히 잘 준비된 것처럼 보이는 경우가 있습니다. 이미지 분류 모델을 만들었고, 자연어 처리 프로젝트도 진행했으며, 학습 정확도와 검증 정확도 그래프도 깔끔하게 정리되어 있습니다. 사용한 모델과 하이퍼파라미터, epoch에 따른 loss 변화까지 설명되어 있으면 머신러닝 공부를 꾸준히 했다는 점도 보입니다. 그런데 프로젝트를 조금 더 깊게 확인하면 예상하지 못한 빈틈이 나타납니다. 학습 데이터는 어디에서 왔는지, 누락값과 중복값은 어떻게 처리했는지, 학습용과 검증용 데이터를 어떤 기준으로 나눴는지 물으면 답변이 짧아지는 식입니다.모의면접에서도 비슷한 장면이 나옵니다. 모델 정확도가 90% 이상 나왔다고 설명한 뒤 새로운 데이터가 들어오.. 2026. 9. 22. 이전 1 다음
