SFA 머신러닝 자기소개서 예시 (2024하반기)

SFA 머신러닝 자기소개서 - 2024하반기

1. 본인의 성장과정에서 도전적 목표를 설정하고 추진했던 경험에 대해서 기술해주세요

전공 지식만으로는 실제 이미지 문제를 풀기 어렵다는 한계를 느껴 4개월 안에 불량 이미지 분류 모델을 직접 구현하고 설명 가능한 수준까지 이해하겠다는 목표를 세운 경험이 있습니다. 컴퓨터공학 전공 초반에는 시험 문제를 푸는 데 익숙했지만 프로젝트에서는 데이터 수집과 전처리부터 막혔습니다. 특히 처음 만든 CNN 모델의 학습 정확도는 95%였지만 검증 정확도는 68%에 그쳤고, 저는 모델 구조를 더 깊게 만들면 해결될 것이라고 잘못 판단했습니다. 결과는 오히려 더 나빠졌습니다.

원인을 찾기 위해 학습 이미지를 직접 300장 넘게 확인했습니다. 촬영 밝기와 배경이 클래스별로 달라 모델이 결함이 아닌 배경 특징을 학습하고 있었습니다. 데이터를 다시 나누고 밝기 보정과 증강을 적용했으며 혼동행렬로 어떤 유형에서 오분류가 많은지 확인했습니다. 주 3회 실험 로그를 남겨 모델 구조, 학습률, 데이터 조건을 한 번에 하나씩 바꿨습니다. 4개월 뒤 검증 정확도를 87%까지 높였고, Grad-CAM으로 모델이 어느 영역을 보는지도 점검할 수 있었습니다. 목표를 이루는 과정에서 어려운 문제는 더 복잡한 방법을 쓰는 것보다 실패 원인을 좁혀 가는 태도가 중요하다는 점을 익혔습니다. 이후 새로운 기술을 공부할 때도 작은 기준 모델을 먼저 만들고 데이터와 오류를 확인한 뒤 개선하는 습관을 지키고 있습니다.

실험을 마칠 때마다 잘된 조건뿐 아니라 실패한 조건과 예상 원인도 남겼습니다. 나중에 비슷한 문제가 생겼을 때 같은 실험을 반복하지 않았고, 성능 향상보다 문제를 좁히는 속도가 더 빨라졌습니다.

2. 해당직무에 지원한 이유와 직무수행을 위한 본인의 역량을 기술해주세요

제조 현장의 도메인 지식과 머신러닝을 결합해 검사와 운영의 판단을 더 빠르게 만드는 일을 하고 싶어 SFA 머신러닝 직무에 지원했습니다. SFA는 제조 장비 경험을 바탕으로 NEO AI 솔루션을 검사, 영상 처리와 물류 경로 최적화 등에 적용하고 있습니다. 현장 AI는 공개 데이터셋에서 높은 점수를 얻는 것과 다르게 조명, 설비 조건, 제품 변경에 따라 데이터 분포가 계속 바뀝니다. 저는 모델 성능뿐 아니라 데이터가 만들어지는 과정을 이해하는 엔지니어가 되고 싶습니다.

제 강점은 제가 아는 것을 다른 사람도 따라 할 수 있는 절차로 옮기는 능력입니다. 학교 인공지능 소모임에서 신입 부원 세 명에게 이미지 분류 실습을 가르치는 역할을 맡았습니다. 처음에는 제가 아는 순서대로 구두로 설명했는데, 부원마다 이해한 지점이 달라 같은 질문이 반복됐고 진도도 서로 달라졌습니다. 저는 설명을 다시 하는 대신 실습 단계를 순서도로 정리하고, 자주 막히는 지점마다 확인 질문을 붙인 자료를 만들었습니다.

처음 배포한 자료도 한 단계가 모호해 부원 두 명이 같은 지점에서 멈췄는데, 저는 그 부분만 짧은 예시 코드를 추가해 보완했습니다. 이후에는 제가 옆에서 설명하지 않아도 부원들이 자료만 보고 실습을 끝낼 수 있었습니다. 저는 이 경험으로 제가 잘 아는 것보다 남이 재현할 수 있게 옮기는 일이 더 어렵고 중요하다는 것을 배웠습니다. 입사 후에는 장비에서 발생하는 데이터 특성을 먼저 배우고, 제가 확인한 내용을 동료도 그대로 확인할 수 있는 절차로 남기며 실제 공정에서 쓸 수 있는 모델을 개발하겠습니다.