석사과정에서는 최신 딥러닝 모델 구조와 학습방법을 체계적으로 연구하며, 실제 대규모 데이터 셋을 활용해 성능을 검증하는 경험을 쌓겠습니다.
데이터 전처리, 모델 학습, 배포까지 전 과정에 참여하며 실무능력을 키우고, 타 부서와 협력해 AI 기술이 실제 서비스에 원활히 적용될 수 있도록 지원하겠습니다.
프로젝트는 텍스트와 이미지 데이터를 동시에 처리하는 멀티모달 AI 모델을 개발하는 것이 목표였고, 총 5명의 팀원이 분야별로 나뉘어 작업했습니다.
졸업 프로젝트로 수행한 '대규모 멀티모달 데이터 기반 정보 검색시스템 개발'이 대표적인 연구 경험입니다.
프로젝트를 진행하며 멀티모달 딥러닝, 대규모 데이터 처리, 시스템 최적화 등 다양한 기술 역량을 종합적으로 쌓았고, 문제 해결 과정에서 학습한 데이터 정제와 모델 튜닝의 중요성을 깊이 이해하게 되었습니다.
앞으로 KT에서 이러한 역량을 활용해 머신러닝·딥러닝 기술 개발에 기여하고, 꾸준한 학습과 연구를 통해 AI 분야의 전문인력으로 성장하겠습니다.
석사과정에서는 최신 딥러닝 아키텍처와 강화 학습, 생성 모델 등 다양한 AI 기술을 심도 있게 연구할 계획입니다.
다양한 데이터 전처리와 모델 설계, 학습, 평가 과정을 직접 수행하며 경험을 쌓았습니다.

지원 직무와 관련해서 본인의 대표적인 연구/Project 수행 경험에 대해 구체적으로 기술해 주십시오.
데이터 전처리, 모델 학습, 배포까지 전 과정에 참여하며 실무능력을 키우고, 타 부서와 협력해 AI 기술이 실제 서비스에 원활히 적용될 수 있도록 지원하겠습니다.
프로젝트는 텍스트와 이미지 데이터를 동시에 처리하는 멀티모달 AI 모델을 개발하는 것이 목표였고, 총 5명의 팀원이 분야별로 나뉘어 작업했습니다.
졸업 프로젝트로 수행한 '대규모 멀티모달 데이터 기반 정보 검색시스템 개발'이 대표적인 연구 경험입니다.
이 프로젝트의 목표는 텍스트와 이미지 데이터를 동시에 이해하고, 사용자가 자연어로 입력한 질의에 대해 관련성 높은 결과를 신속하게 반환하는 AI 시스템을 만드는 것이었습니다.
프로젝트 초반에는 공개된 멀티모달 데이터 셋을 수집하고, 텍스트와 이미지가 적절히 연관된 데이터를 선별하는 작업을 진행했습니다.
프로젝트를 진행하며 멀티모달 딥러닝, 대규모 데이터 처리, 시스템 최적화 등 다양한 기술 역량을 종합적으로 쌓았고, 문제 해결 과정에서 학습한 데이터 정제와 모델 튜닝의 중요성을 깊이 이해하게 되었습니다.
이 경험은 KT에서 AI 석사과정과 실무를 병행하며 복잡한 머신 러닝 문제를 해결하는 데 큰 밑거름이 될 것입니다.
앞으로 KT에서 이러한 역량을 활용해 머신러닝·딥러닝 기술 개발에 기여하고, 꾸준한 학습과 연구를 통해 AI 분야의 전문인력으로 성장하겠습니다.
Q1. KT와 머신러닝·딥러닝 분야에 지원한 동기는 무엇인가요?
저는 학부와 연구 경험에서 머신러닝과 딥러닝 분야에 깊은 관심과 열정을 키웠으며, KT가 제공하는 우수한 환경에서 전문성을 더욱 발전시키고자 지원했습니다.
KT의 AI 석사과정을 통해 이론과 실무를 균형 있게 배우고, 산업현장에 적용 가능한 기술력을 갖춘 전문가로 성장하는 것이 목표입니다.
석사과정에서는 최신 딥러닝 아키텍처와 강화 학습, 생성 모델 등 다양한 AI 기술을 심도 있게 연구할 계획입니다.
이를 위해 실험과 논문 분석에 집중하며, 대규모 데이터 처리와 모델 최적화 경험을 쌓겠습니다.
Q7.AI 분야에서 지속적인 학습을 위해 어떤 노력을 하고 있나요?
Q8.머신 러닝 프로젝트 진행 시 데이터 관련 어떤 점을 가장 중시하나요?
또한, 데이터가 모델 성능에 미치는 영향을 분석해 필요한데이터를 효율적으로 확보하는 전략을 세웁니다.

[hwp/pdf]2026 KT 봄학기 AI석사과정(머신러닝딥러닝 기술개발) 자기소개서와 면접자료