|
|
|
|
|
 |
팀원들과 머리를 맞대고 데이터 전처리, 증강, 앙상블 등 다양한 방법을 도입해 문제를 해결해 나갔고, 최종적으로 현장엔지니어로부터 "실제로 도움이 된다"는 피드백을 들었을 때 큰 보람을 느꼈습니다.
이러한 경험은 'AI 기술은 연구실의 성과에만 머물지 않고, 반드시 실제로 구현되어 사회문제를 해결해야 한다'는 신념을 더욱 굳히는 계기가 되었습니다.
앞으로도 슈프리마에서 AI 기술이 실제 서비스와 연결되는 현장에 뛰어들어, 문제 해결 중심의 엔지니어로 성장하고 싶습니다.
AI 모델 성능 향상에만 몰두하는 것이 아니라, 데이터 수집부터 사용자 피드백, 현장 적용까지 개발의 전 과정을 주도적으로 이끌며 리더십도 함께 키울 수 있었습니다.
피드백과 데이터 기반의 문제 해결 과정을 반복하다
프로젝트 초기에는 공개 데이터 셋을 활용한 사전 실험에서 비교적 양호한 성능을 보였으나, 실제 수집한 영상에서는 노이즈와 다양한 환경 변수로 인해 모델 정확도가 크게 떨어졌습니다.
처 음에는 데이터가 부족하거나 모델 파라미터 설정이 잘못된 것이라고 생각했지만, 반복적인 튜닝과 실험에도 문제가 개선되지 않아 팀 전체가 좌절감을 느꼈습니다.
|
|
|
 |
이후 컴퓨터공학과에 진학하면서 AI 분야의 기초체력을 쌓기 위해 노력했습니다.
그 후 2학년부터는 AI 관련 전공과목에 적극적으로 참여하며, 인공지능의 기초이론과 함께 머신러닝·딥러닝, 자연어 처리, 컴퓨터 비전 등 다양한 세부 분야를 실습 중 심으로 경험했습니다.
제조현장에 직접 방문해 데이터를 수집하고, 불량품이미지의 라벨링부터 CNN 모델 구축, 현장 테스트까지 전 과정을 책임졌습니다.
이처럼 저는 AI 엔지니어라는 목표를 세운 뒤, 단순히 기술을 배우는 것에 머무르지 않고, 직접 사회에 기여하는 실전 경험과 지속적인 자기계발을 병행해 왔습니다.
앞으로도 슈프리마에서 AI 기술이 실제 서비스와 연결되는 현장에 뛰어들어, 문제 해결 중심의 엔지니어로 성장하고 싶습니다.
프로젝트 초기에 팀원들과 함께 사회적 이슈와 실제 현장에서의 수요를 조사하면서, 단순히 학문적 흥미를 넘어서 실제 사람들에게 안전이라는 실질적인 도움을 줄 수 있다는 점이 저에게 가장 큰 동기 부여가 되었습니다.
단순히 학습 데이터를 늘리는 데 그치지 않고, 환경별로 세밀한 데이터 증강, 라벨 오염 정정, 후처리로 직개발 등 복합적인 문제 해결 방안을 적용했습니다.
단순히 코드와 논문 성과에 그치지 않고, 실제 사용자가 필요로 하는 문제를 정의하고, 복잡한 현장 변수에 유연하게 대응하는 과정에서 개발자로서의 책임감과 성장의 기쁨을 동시에 느꼈습니다.
한 번은 자연어 처리 기반 챗봇 프로젝트에서, 세부 기능까지 모두 구현하려다 보니 전체 일정이 크게 지연된 경험이 있었습니다.
또한 실패를 두려워하지 않고, 데이터와 피드백을 기반으로 끊임없이 개선해 나가는 실전형 AI 엔지니어로 성장하겠습니다.
프로젝트 초기에는 공개 데이터 셋을 활용한 사전 실험에서 비교적 양호한 성능을 보였으나, 실제 수집한 영상에서는 노이즈와 다양한 환경 변수로 인해 모델 정확도가 크게 떨어졌습니다.
처 음에는 데이터가 부족하거나 모델 파라미터 설정이 잘못된 것이라고 생각했지만, 반복적인 튜닝과 실험에도 문제가 개선되지 않아 팀 전체가 좌절감을 느꼈습니다.
이 때 저는 단순히 모델 구조를 바꾸는 시도에만 집착하기보다, 근본적인 문제를 다시 점검해야겠다는 생각으로 접근 방식을 바꿨습니다.
멘토의 "실제 현장은 실험실과 다르다.데이터의 품질이 전체 결과를 좌우한다"는 말을 듣고, 팀은 데이터 증강과 라벨링 보완, 이상치 제거 등 데이터 중심의 개선에 집중했습니다.
난관에 부딪힐 때마다 팀 내외의 다양한 시각을 모아 한 단계씩 개선 방향을 찾아 나갔습니다. |
 |
데이터, 실제, ai, 문제, 모델, 프로젝트, 현장, 경험, 해결, 다양하다, 기술, 실질, 단순하다, 팀, 늘다, 엔지니어, 논문, 과정, 만들다, 러닝 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.12.24
5페이지
