|
|
|
|
|
 |
특히 모델을 학습하는 것뿐 아니라 이를 실제 서비스에 안정적으로 적용하는 MLOps 영역의 중요성을 체감하면서, AI/ML 모델 서빙 및 파이프라인 개발 분야에 진심을 갖게 되었습니다.
이 과정에서 모델 개발 이후의 단계인 서빙, 모니터링, 재학습 파이프라인이 사용자의 만족도와 서비스 지속성에 얼마나 큰 영향을 미치는지 깊이 느꼈습니다.
졸업 프로젝트로 진행한 '실시간 교통량 예측시스템' 개발에서 저는 모델 개발과 데이터 파이프라인 구축을 총괄하는 역할을 맡았습니다.
|
|
|
 |
특히 모델을 학습하는 것뿐 아니라 이를 실제 서비스에 안정적으로 적용하는 MLOps 영역의 중요성을 체감하면서, AI/ML 모델 서빙 및 파이프라인 개발 분야에 진심을 갖게 되었습니다.
이 과정에서 모델 개발 이후의 단계인 서빙, 모니터링, 재학습 파이프라인이 사용자의 만족도와 서비스 지속성에 얼마나 큰 영향을 미치는지 깊이 느꼈습니다.
다양한 서비스와 연동되는 대규모 AI/ML 모델을 서빙하고, 안정적으로 운영되는 파이프라인을 구축해 나가는 과정에 직접 참여하고 싶습니다.
입사 후에는 우선 MLOps 및 모델 서빙 시스템에 대한 기술역량을 빠르게 키워, 현업에서 활용 가능한 자동화된 파이프라인 구축과 효율적인 모델 서빙에 기여하고 싶습니다.
중장기적으로는 데이터 수집부터 배포까지 전 과정을 설계할 수 있는 AI 플랫폼 엔지니어로 성장하여, 사용자에게 더 나은 경험을 제공하는 기술의 중심이 되고 싶습니다.
전공과목 이외에도 인공지능과 데이터 분석에 매력을 느낀 저는, Python을 처음 접했던 시점부터 직접 머신 러닝 모델을 구현해보자는 목표를 세웠습니다.
이후 Kaggle대회에 참가하면서 실제 데이터를 다루는 법, 전처리와 피처엔지니어링의 중요성을 몸소 체감했고, 더 나아가 PyTorch를 활용해 딥러닝 모델을 직접 구현해보는 단계까지 성장했습니다. |
 |
모델, 데이터, 파이프라인, ai, 학습, 경험, 서빙, 개발, 기술, 프로젝트, 구축, 실제, 과정, 사용자, 시스템, 러닝, 구현, 활용, 직접, 서비스 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.06.07
4페이지
