|
|
|
|
|
 |
대규모 언어 모델을 활용한 프로젝트에서 생긴 가장 어려운 기술적 문제와 해결 과정은 무엇이었는가
플렉스의 HR 데이터 환경 속에서 AIAgent가 해결할 수 있는 핵심 문제는 무엇이라고 보는가
저는 플렉스에서 기술뿐 아니라 실사용자 중심의 문제 해결 방식까지 배우고 싶습니다.
대규모 언어 모델 프로젝트에서 가장 어려웠던 문제와 해결 과정은 무엇이었는가
모델 성능 개선 실험 중 실패가 반복될 때도 같은 방식으로 접근해 결국 문제의 원인이 데이터 전처리 오류라는 사실을 찾아 해결한 경험이 있습니다.
플렉스에서도 실험이 반복될 때 당황하지 않고, 원인을 체계적으로 좁혀가는 방식으로 문제를 해결하고 싶습니다.
HR 데이터 환경에서 AIAgent가 해결할 수 있는 핵심 문제
|
|
|
 |
본인이 가장 자신 있게 다룰 수 있는 기술 스택을 나열하고, 각 기술을 학습하게 된 계기와 실제로 사용해본 경험을 소개해주세요.
본인이 가장 자신 있게 다룰 수 있는 기술 스택과 학습계기 및 경험
제가 가장 자신 있게 다룰 수 있는 기술 스택은 파이썬 기반의 머신러닝·LLM 활용기술, LangChain·LlamaI ndex 같은 에이전트 프레임워크, 데이터 엔지니어링을 위한 SQL·Fast API·RESTAPI, 그리고 모델 실험 환경 구축을 위한 AWS 기반 설정입니다.
이 기술들을 익히게 된 계기는 단순한 호기심이 아니라, 실제로 문제를 해결하는데 기술이 어떤 역할을 할 수 있는지를 몸으로 느꼈던 경험에서 출발했습니다.
ChatGPTAPI를 활용해 특정 데이터 셋 기반의 질의응답 시스템을 구현해 보면서 프롬프트 엔지니어링의 기본을 익혔고, LangChain을 사용해 체인 구조 설계를 실험했습니다.
이러한 경험들은 단순한 기술나열이 아니라, 각각의 기술을 사용해 실제 문제를 해결하는 과정에서 얻은 실질적인 성장 경험입니다.
플렉스는 HR 데이터 기반 AI 솔루션을 빠르게 발전시키고 있는 팀으로, AIAgent의 실제 비즈니스 활용이 가장 활발한 조직 중 하나라고 알고 있습니다.
실제 HR 데이터 환경에서 RAG와 Agent를 어떻게 구축하는 지 배우고 싶습니다.
단순 보조 작업이 아니라 실제로 실험환경 구축, 프롬프트 설계, 액션 플로우 구성, 모델 선택 등 하나의 기능을 엔드투엔드로 구현해 보고 싶은 목표가 있습니다.
플렉스에서도 이러한 구조화된 접근이 중요한 역할을 한다고 생각합니다.
플렉스에서는 백엔드, 프로덕트, 디자인팀과 협업하는 구조가 많기 때문에 이러한 정리능력과 의사소통 방식은 중요한 강점이 될 것이라 생각합니다.
실패가 반복될 때 문제를 해결하는 방식
저는 실패를 통해 문제의 범위를 좁히는 방식으로 접근합니다.
모델 성능 개선 실험 중 실패가 반복될 때도 같은 방식으로 접근해 결국 문제의 원인이 데이터 전처리 오류라는 사실을 찾아 해결한 경험이 있습니다. |
 |
모델, 경험, 데이터, 문제, 기반, 해결, 실험, 기술, 설계, 구조, 플렉스, 실제, 과정, 싶다, 어떻다, 가장, 시스템, 방식, 활용, aiagent |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.11.28
6페이지
