|
|
|
|
|
 |
직무형 질문1: 의료 AI 연구개발의 핵심가치는 무엇이라고 보는가
직무형 질문2: 의료 데이터를 다루는 데 있어 가장 중요한 원칙은 무엇인가
직무형 질문3: AI 모델 개발 과정에서 가장 중요하게 생각하는 단계는?
직무형 질문4: 의료영상/유전체/임상 데이터 중 어떤 데이터 경험이 있는가
직무형 질문5: 모델 성능 향상보다 더 중요한 '의료AI 관점의 기준'은 무엇인가
직무형 질문6: 의료 데이터의 불균형(ImbalancedData)을 어떻게 해결했는가
압박 질문1: 의료 AI는 실패하면 환자 생명이 위험해진다.
데이터 불균형은 의료 AI의 가장 흔한 문제이며,
|
|
|
 |
직무형 질문2: 의료 데이터를 다루는 데 있어 가장 중요한 원칙은 무엇인가
직무형 질문3: AI 모델 개발 과정에서 가장 중요하게 생각하는 단계는?
직무형 질문4: 의료영상/유전체/임상 데이터 중 어떤 데이터 경험이 있는가
직무형 질문6: 의료 데이터의 불균형(ImbalancedData)을 어떻게 해결했는가
직무형 질문7: ExplainableAI(XAI)를 의료에 적용해야 하는 이유는?
직무형 질문8: 실제 임상에서 사용할 수 있는 AI 솔루션을 만들기 위해 고려해야 할 조건은?
직무형 질문9: Privacy-preservingML(예 : FederatedLearning)을 이해하고 있는가
압박 질문3:지금 기술로 임상 적용 가능한 AI를 만들 수 있다고 확신하나
직무형 질문1
저는 특히 CHARI처럼 임상-바이오-데이터-AI가 융합된 환경에서 이 가치가 극대화된다고 봅니다.
임상 데이터(EMR)
의료 AI는 "정확도 "보다 해석 가능성·안전성·재현성이 더 중요합니다.
가장 어려웠던 문제는 영상 데이터에서 라벨 오차가 심해 모델이 학습하지 못했던 경험입니다.
저의 강점은 데이터 구조 이해·정확한 문제 정의·모델 성능 안정화 능력입니다.
압박 질문
압박 질문1
지금 기술로 정말 임상에서 쓰이는 AI를 만들 수 있다고 생각하는가?
다른 연구기관은 의료 AI만 하거나 바이오만 하지만, CHARI는 임상·줄기세포·생명공학·유전체·AI가 한 공간에서 연결되는 유일한 연구기관입니다.
의료영상·유전체·임상 데이터를 활용한 모델링 경험, 데이터 품질관리 역량, 불균형 데이터 처리, XAI 기반 해석 모델 개발 등 의료 AI에 필수적인 기술을 갖추고 있습니다.
저는 CHARI에서 의료 AI의 실질적 발전과 미래의학혁신에 기여하는 연구자로 성장하고자 합니다. |
 |
ai, 의료, 데이터, 질문, 임, 이다, 상, 모델, 중요하다, chari, 늘다, 기술, 형, 직무, 가다, 가장, 의사, 개발, 의학, 연구 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.11.26
7페이지
