|
|
|
|
|
 |
화장품 산업 경험이 없는데 AI 연구를 할 수 있다고 생각하는가
이 데이터를 AI가 분석하면
데이터 전처리 문제 해결 경험
소량의 피부 이미지데이터로 분류 모델을 만들 때
피부 이미지데이터는
데이터 기반 문제 해결 능력이 있습니다.
AI는 데이터 품질이 70%라고 생각합니다.
저는 피부 이미지 분석, 추천 모델, 성분 데이터 전처리, LLM 기반 텍스트 분석 등
|
|
|
 |
한국콜마화장품 AI 연구(2025 대졸 신입) 면접 자료, 면접질문 기출
LLM(대규모 언어모델)을 활용한 연구 경험
실패한 모델 실험을 어떻게 분석하고 재설계하는가
화장품 산업 경험이 없는데 AI 연구를 할 수 있다고 생각하는가
AI 연구는 시간이 오래 걸리는데 마감 압박은 어떻게 버티는가
AI 연구직을 두고 여러 기업이 있는데)
AI 기술이 실제 산업에 들어가 실질적인 혁신을 만드는 분야가 무엇인지 고민했습니다.
성분·제형·피부 타입·효능 데이터가 체계적으로 구조화된 산업입니다.
이 데이터를 AI가 분석하면
이미지 기반 피부 분석
이미지 기반 피부 진단 AI
데이터 전처리 문제 해결 경험
피부 타입 + 성분 기반 추천 모델을 만들면서
ResNet·EfficientNet 기반 CNN을 주로 활용했고
LLM 기반 연구 경험
조건별
농도별
조합별
FocalLoss(불균형 데이터 처리)
노이즈·편향 문제 해결 방식
성능 수치가 아니라 '데이터 구조의 안정성'이라고 생각합니다.
데이터 기반 문제 해결 능력이 있습니다.
데이터 구조를 이해하는 능력은 기본 역량이라고 생각합니다.
AI 연구직무는 도메인보다 구조화 능력이 더 중요합니다.
모델 성능이 낮게 나오면 어떻게 할 것인가?
데이터·전처리·손실함수·모델 구조 중
AI는 데이터 품질이 70%라고 생각합니다.
화장품 AI는 단순 기술 개발이 아니라
기술을 실제 제품 개발에 '즉시 적용할 수 있는 조직구조'가 필요합니다.
AI 모델을 실제 제품 기획·고객사 제안·제형 개발에 직접 연결할 수 있어 |
 |
ai, 데이터, 모델, 경험, 산업, 피부, 연구, 화장품, 실제, 분석, 기술, 성분, 가장, 한국, 실험, 개발, 생각, 해결, 문제, 기반 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.11.25
11페이지
