메타코드에서 24.03.11에 있었던 “AWS,토스 출신 현직자 커리어 특강”을 듣고 도움이 될만한 내용을 정리해보았습니다.
데이터 전문가로 직무 전환
소프트웨어 개발에서 전환하기로 한 결정은 주로 불분명한 요구 사항에 뿌리를 둔 문제들로 인해 촉발되었습니다.
프로토타입의 도움을 받아도 모호한 고객 기대와 피드백을 처리하는 것은 좌절감을 안겨주었습니다.
그에 반해 데이터 분석의 분야는 목표를 정량화할 수 있다는 점에서 독특한 매력을 발견했습니다. 예를들면, 민감도와 특이도가 특정 비율을 초과하면 성공한다는 목표처럼 지표가 명확했던 것이죠.
데이터 일자리를 위한 대학원의 필요성
대학원이 필요하신 분들:
- 고급 학습에 진정한 관심이 있는 사람.
- 관심 영역이 잘 정의된 사람.
- 자신의 진로 목표에 맞는 대학원 과정을 찾은 사람.
필요하지 않은 경우:
- 대학원 학위보다 실무 경험을 중시하는 개인.
- 연구 중심의 길보다 기술 교육을 원하는 사람
도메인 전문가 vs. 데이터 전문가
반도체 연구원이 중추적인 역할을 맡고 데이터 분석가가 기술 지원을 담당하는 반도체 회사의 예를 들어 보겠습니다.
멘토는 그러한 회사에서는 도메인 전문가에게 우선순위를 부여한다고 강조합니다.
본인의 핵심기술이 데이터 분석인 경우, 이 전문 지식을 활용하여 애플리케이션을 만드는 쪽으로 관심을 기울라는 제안이 있습니다.
신입 및 경력 전환을 위한 회사 선택
신규 입사자의 경우 회사 입사를 열망하는 것이 좋습니다.
이전 경험을 바탕으로 기술과 책임을 보여주는 직무 설명의 명확성이 중요합니다.
특히 대기업을 타깃으로 삼을 때는 전문성을 강조하는 것보다 제너럴리스트로 자신을 표현하는 것이 더 유리할 수 있다고 합니다.
데이터 작업을 위한 필수 기술
SQL -> Python -> Javascript -> Cloud 순서로 기술을 학습하는 것이 좋습니다.
자바스크립트가 의아할 수 있지만 데이터 관련 작업은 본질적으로 시각화 및 애플리케이션 생성과 연결되어 있습니다.
다양한 도구의 출현으로 한때 소수의 개인만이 할 수 있었던 작업에 더 쉽게 접근할 수 있게 되었습니다. 특히 클라우드 기술은 생산성을 향상시키는 다양한 도구를 제공합니다.
클라우드 기술 스택의 전문 지식을 파는 것이 기계 학습에만 집중하는 것보다 더 유리할 수 있습니다.
AI/ML 스택
Auto ML은 이미 잘 설계된 모델이 존재하며, 특정 기술을 통합하도록 이를 조정하는 데 중점을 둡니다.
클라우드 플랫폼은 이러한 조정 프로세스에 탁월합니다. 이 기술은 Auto ML이 많은 Kaggle 모델보다 뛰어난 성능을 발휘할 정도로 발전했습니다.
인터뷰 인사이트
코딩 문제
- 알고리즘 및 데이터 구조를 평가할 때.
- 자주 묻는 트랩 문제입니다.
- 코드 생성 문제 해결 및 디버깅.
- 간단한 기술 구현을 평가합니다.
- 시간이나 공간의 복잡성을 고려하지 않고 기술을 구현하는 것은 주의하세요.
이력서 작성 팁
- 과장되지 않은 자기소개 스토리를 만들어 보세요.
- 자신에 대한 흥미로운 측면을 포함하세요.
- 배경, 직업 경험, 업적을 명확하게 설명합니다.
- 수치 결과로 성과를 강조합니다.
- 특히 클라우드 기술 분야의 자격증은 매우 중요합니다.
면접 조언
- 지식이 부족한 부분을 인정하십시오.
- 과신을 피하기 위해 얕은 지식에 대한 인식을 표현하십시오.
- 인터뷰 중에 관심을 보이기 위해 질문하는 것이 중요하다는 점을 강조하십시오.
커리어 특강 Q&A
Q: AI에 백엔드가 많이 도움이 된다고 들었는데 맞나요?? 맞다면 백엔드로 조금 일하다가 AI쪽으로 직무를 옮기는 게 나을까요 아니면 처음부터 AI쪽으로 바로 일하는 게 나을까요??
A: 백앤드 엔지니어의 일은 해비 트래픽을 자신의 지식으로 다루는 게 주 업무였는데 이미 클라우드에서 이런 업무를 클릭 몇번으로 녹여냄. 클라우드와 ML 기술을 익히는 게 더 좋을 수 있다고 합니다.
Q: 플랫폼회사의 추천시스템 직무에서 일하고 싶은데, 이 분야에 학사로 취업할 수 있을까요?
추천시스템 직무에 현업으로 계신분들 보면 석사 이상인거 같아서 여쭤봅니다.
A : 추천 시스템은 석사 이상을 가져가는 게 좋을 수 있다. 하지만 이제는 데이터 민주화가 되어서 웬만하면 클라우드 추천 시스템이 더 좋을 수 있다.
Q : 통계학 전공이 AI/ML 엔지니어로써 갖는 장점이 뭐라고 생각하시는지 여쭤보고 싶습니다.
A : 머신러닝의 이론적 배경이 통계가 되는 경우가 많음. 통계학 전문이 ML에 빠삭한 경우가 많음
