|
|
|
|
|
 |
LLM 또는 멀티모달 모델을 실제 서비스 환경에 적용한 경험이 있는가
모델이 아닌데이터파이프라인을 최적화하여 성능이 향상된 경험을 말하라
기술 실험을 끝내는 것이 아니라, 실제 서비스가 되는 AI를 만들고 싶습니다.
학습 데이터의 Inf erencePipeline을 개선해 모델 성능이 올라간 경험이 있습니다.
중기적으로는 멀티모달 생성 모델의 최적화·배포담당 엔지니어로 성장하고, 장기적으로는 "엔씨만의 AI 운영 표준"을 구축하는 핵심인재가 되고 싶습니다.
실제 서비스에 AI를 적용하는 엔씨만의 강점을 더 강화하고 싶습니다.
모델 개발뿐 아니라 데이터파이프라인 구축, 실험자동화, 모델 최적화, 배포 및 운영까지 경험하며 AI 시스템의 전 과정을 이해했습니다.
특히 LLM·멀티모달 모델 최적화, 경량화, 프로덕션 배포 경험을 통해 AI가 실제 서비스로 동작하기 위해 필요한 요소들을 체계적으로 배우고 실천해왔습니다.
|
|
|
 |
엔씨소프트 AIR&D-AIE ngineering 직무에 지원한 이유는 무엇인가
특히 LLM·대규모 대화 모델·게임 AI·음성·멀티모달까지 분야가 매우 넓고, 단순 연구를 넘어 실제 이용자 경험을 바꾸는 서비스 개발에 집중한다는 점에서 큰 매력을 느꼈습니다.
기술 실험을 끝내는 것이 아니라, 실제 서비스가 되는 AI를 만들고 싶습니다.
AIE ngineering은 단순히 모델을 개발하는 것이 아니라, 연구모델을 프로덕션 수준으로 끌어올리고 운영 가능한 시스템으로 전환하는 역할입니다.
또한 HardNegativeMining 기법을 적용해 의미적으로 가까운 이미지-텍스트 쌍을 학습에 반영하자 성능이 12% 향상됐 습니다.
데이터 품질 개선과 이상치 제거로 학습 데이터의 일관성을 높입니다.
이러한 전략을 조합해 실제 성능 개선을 이뤄낸 경험이 여러 차례 있습니다.
텍스트 생성 기반 LLM을 웹서비스 형태로 구현해본 경험이 있습니다.
학습 데이터의 Inf erencePipeline을 개선해 모델 성능이 올라간 경험이 있습니다.
모델 개선이 아니라 파이프라인 통일만으로 성능이 눈에 띄게 개선되는 중요한 경험이었습니다.
이후 데이터 비중 조정, Class-balancedLoss 적용, 편향 민감지표 추가를 통해 문제를 해결했습니다.
중기적으로는 멀티모달 생성 모델의 최적화·배포담당 엔지니어로 성장하고, 장기적으로는 "엔씨만의 AI 운영 표준"을 구축하는 핵심인재가 되고 싶습니다.
실제 서비스에 AI를 적용하는 엔씨만의 강점을 더 강화하고 싶습니다.
저는 실험 환경 구축 및 파이프라인 정리를 주도한 경험이 있어 초반부터 팀의 생산성을 높이는 역할을 수행할 자신이 있습니다.
저는 두 역할의 경계지점을 가장 잘 이해하는 사람이라고 생각합니다.
연구자처럼 실험을 반복하고 분석할 수 있고, 엔지니어처럼 실제 시스템에 배포해 운영 품질을 확인한 경험도 있습니다.
엔씨소프트가 원하는 인재상은 "논문 구현만 하는 연구자도, 시스템만 다루는 엔지니어도 아닌, 서비스형 AI를 완성할 수 있는 하이브리드형 인재"라고 이해하고 있습니다.
전략은 "모두를 따라가는 모델"이 아니라, "엔씨의 강점을 극대화하는 특화 모델"이라고 생각합니다.
저는 엔씨가 가진 독자적 도메인데이터와 노하우를 활용해 엔씨만의 특화된 AI 모델을 만드는 데 기여하고 싶습니다.
연구·실험·엔지니어링·배포·운영까지 전 단계 경험이 있고, 파이프라인을 정리하고 생산성을 높이는 역할에 강점이 있습니다. |
 |
모델, 경험, ai, 성, 데이터, 서비스, 최적화, 실험, 적용, 실제, 배포, 엔씨, 성능, 연구, 시스템, 운영, 환경, 구축, 문제, 파이프라인 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.11.27
6페이지
