AI엔지니어취업2 생성형AI 취업 프롬프트만으론 부족한 이유(RAG, 평가, 운영) 생성형 AI 취업을 준비하는 학생의 포트폴리오를 검토했을 때 처음에는 상당히 준비가 잘 되어 있는 것처럼 보인 적이 있습니다. ChatGPT API를 이용해 챗봇을 만들었고, 역할을 부여하는 프롬프트와 답변 형식을 제한하는 프롬프트도 여러 버전으로 비교해 두었습니다. 질문에 따라 답변 톤을 바꾸고 특정 형식으로 결과를 출력하는 기능까지 구현되어 있어 프롬프트 실습 자체는 충분해 보였습니다. 그런데 실제 프로젝트를 조금 더 깊게 확인하면서 차이가 드러났습니다. 회사 내부 문서를 질문에 활용해야 한다면 어떤 문서를 어떻게 찾을 것인지, 검색된 문서와 모델 답변이 맞는지 무엇으로 평가할 것인지, 잘못된 답변이 반복되면 어떤 기록을 확인해야 하는지 물었을 때 답변이 짧아졌습니다.모의면접에서도 비슷한 장면이 나옵.. 2026. 9. 23. 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
