분야
hwpx※ 구매자료 중 한글표준문서(*.hwpx)로 작성된 파일을 경우, 2018 이상 버전에서 확인해 주시기 바랍니다.
퍼시스 IT(AI 서비스 개발) 자기소개서, 면접자료
지원한 직무에 대한 본인의 경쟁력(지식, 경험, 스킬 등)은 무엇인지 구체적인 사례(학내외 활동, 프로젝트 등)를 들어 서술하고, 이를 통해 입사 후 기여할 수 있는 점은 무엇인지 작성해주시기 바랍니다.
AI 서비스 개발 직무에서 가장 중요한 역량은 ‘데이터로 문제를 정의하고, 기술로 해결책을 제시하는 능력’이라고 생각합니다. 저는 대학 시절 스마트오피스 환경에서 회의실 예약 문제를 자동화하는 프로젝트를 진행하며 이러한 역량을 실질적으로 체득했습니다. 당시 우리 학교의 한 건물에서는 빈 회의실이 많음에도 특정 시간대에는 예약이 몰려 이용률이 떨어지는 문제가 반복되었습니다. 저는 이 현상이 단순한 관리 문제인지, 사용자 패턴의 문제인지 확인하기 위해 일주일간 출입 기록과 예약 로그를 수집했고, Python과 Pandas를 활용해 데이터 패턴을 분석했습니다. 그 과정에서 특정 학과 수업이 끝나는 시간대에 예약 요청이 급증한다는 규칙성을 발견했고, 이를 기반으로 수요 예측 모델을 개발해 관리자에게 추천 스케줄을 제공하는 시스템을 구현했습니다. 모델 정확도는 초기 63%에서 하이퍼파라미터 튜닝과 데이터 전처리를 통해 78%까지 향상되었습니다.
이 경험을 통해 저는 단순히 코드를 작성하는 수준을 넘어, 사용자의 실제 문제를 데이터 관점에서 정의하고 기술 기반으로 개선하는 프로덕트 사고를 갖추게 되었습니다. 퍼시스 역시 ‘사용자 경험 중심의 업무환경 솔루션’을 중요하게 여기며 최근 AI 기반 서비스 고도화에 집중하고 있는 만큼, 저는 이러한 경험을 바탕으로 실제 현장의 비효율을 데이터 기반으로 분석하고 AI 서비스로 연결하는 역할을 수행할 수 있습니다. 특히 스마트오피스, 공간 최적화, 사용자 행동 분석 등 퍼시스가 추진하는 방향성과도 높은 연관성을 갖고 있어 입사 후 현장 적용 가능한 AI 모델 개발과 기능 개선에 기여하겠습니다.
살아오면서 실패했던 경험과 이를 극복하기 위해 어떠한 노력을 했는지 기술하고, 그러한 경험이 본인의 삶에 어떠한 영향을 미쳤는지 구체적으로 작성해주시기 바랍니다.
제가 가장 크게 실패를 경험했던 순간은 AI 모델 개발 프로젝트에서 ‘성능만을 좇다가 본질을 놓쳤던 일’입니다. 3학년 때 환경 센서 데이터를 이용해 공조 설비를 자동 제어하는 모델을 만드는 캡스톤 프로젝트에 참여했습니다. 당시 저는 “모델 정확도가 높아야 성공이다”라는 생각이 강했습니다. 그래서 수치 최적화에만 몰두하며 계속해서 알고리즘을 바꾸고 파라미터를 조정하는 데 시간을 쏟았습니다. 그러나 결과적으로 모델은 높은 정확도를 보였음에도 정작 실제 환경에서는 제대로 동작하지 않았습니다. 사용자들이 센서 데이터를 수동으로 입력해야 한다는 불편함을 고려하지 못했고, 센서 간 시간 지연 문제도 무시해 현실적이지 않은 모델을 만든 것입니다. 발표 날 교수님께서 “정확도는 높은데 왜 작동하지 않느냐”고 질문하셨을 때, 저는 제 개발 방식이 얼마나 단편적이었는지 깨닫고 큰 좌절을 느꼈습니다.
이후 저는 문제 해결의 출발점은 ‘사용자와 환경의 이해이며, 모델은 그다음’이라는 진리를 다시 배우기 위해 프로젝트를 전면 수정했습니다. 직접 건물 관리 직원들을 만나 사용 흐름을 파악하고, 센서 간 시간차를 보정하는 알고리즘을 새로 구현했습니다. 또한 UI를 단순화하여 자동 수집 비율을 높였고, 이를 통해 실제 적용 가능한 모델로 재탄생시켰습니다. 이 경험은 저의 개발 철학을 완전히 바꿔 놓았습니다. 지금의 저는 기술을 자랑하기보다 사용성과 현실성을 우선으로 판단하며, 실패를 솔직하게 마주할 용기도 갖추게 되었습니다. 퍼시스의 AI 기반 서비스 개발 업무에서도 이러한 태도는 사용자 요구를 반영한 안정적인 서비스 개발로 이어질 것이라고 확신합니다.
도전적인 목표와 계획을 세우고 이를 달성하기 위해 가장 열정적으로 몰입했던 경험에 대해 서술하고, 그로 인해 무엇을 배웠는지 구체적으로 작성해주시기 바랍니다.
제가 가장 열정적으로 몰입했던 경험은 ‘실내 공간에서 사람 수를 자동 추정하는 AI 모델을 혼자서 완성해보자’라는 목표에 도전했을 때입니다. 이 프로젝트는 교내 해커톤 준비 과정에서 시작되었습니다. 대부분 팀원들은 외부 라이브러리를 그대로 활용해 결과를 빠르게 만드는 방식을 원했지만, 저는 “이번만큼은 모델의 핵심까지 이해하고 직접 구현해보자”는 목표를 세웠습니다. 주어진 기간은 한 달이었고, 학업과 병행해야 했기에 거의 매일 새벽 2시까지 영상 데이터를 분석하고 모델 구조를 연구하는 생활이 이어졌습니다.
초기에는 YOLO 기반 모델을 그대로 사용했지만, 조명 변화와 카메라 각도에 따라 정확도가 뚝 떨어지는 문제가 반복되었습니다. 이 문제를 해결하기 위해 저는 CNN 레이어를 일부 수정하고 조명 보정 알고리즘을 추가하는 방법을 시도했습니다. 수십 번의 실험이 반복되었고, 가끔은 “이게 정말 의미가 있을까” 하는 생각에 흔들리기도 했습니다. 그러나 개선된 결과를 확인했을 때 느낀 성취감은 그동안의 피로를 모두 잊게 했습니다. 최종적으로 정확도는 12%가량 향상되었고, 팀 내에서도 “기술적 기반을 가장 깊게 이해한 모델”이라는 평가를 받았습니다.
이 경험은 저에게 한 가지 중요한 깨달음을 주었습니다. ‘기술적 성장은 몰입에서 나오며, 몰입은 스스로 세운 목표가 있을 때만 가능하다’는 것입니다. 또한 복잡한 문제를 해결하기 위해서는 끝까지 파고드는 집요함과 작은 개선을 반복하는 태도가 필요하다는 것도 배웠습니다. 퍼시스의 AI 서비스 개발 업무 또한 끊임없이 테스트하고 조정해야 하는 영역인 만큼, 저는 이 경험을 바탕으로 기술적 완성도와 끈기를 요구하는 프로젝트에서 안정적인 성과를 만들어내겠습니다.