분야
hwp1. 무신사 MUSINSA ROOKIE AI NATIVE ENGINEER 직무에 지원한 이유와, 왜 지금 무신사여야 하는지 설명해 주세요
2. AI Native Engineer를 본인 말로 정의해 보세요. 일반 ML Engineer, Data Engineer, Backend Engineer와 무엇이 다릅니까
3. 무신사 같은 커머스에서 AI가 가장 큰 가치를 내는 지점 3가지를 우선순위로 말해 보세요
4. 추천 시스템을 설계한다면, 문제 정의부터 오프라인 평가, 온라인 실험까지 전체 흐름을 설명해 보세요
5. 검색(Search) 품질을 높이기 위해 어떤 접근을 하겠습니까(랭킹, 쿼리 이해, 동의어, 개인화)
6. LLM을 커머스에 적용할 때 가장 먼저 고려할 리스크 3가지와, 이를 통제하는 방법을 말해 보세요
7. “모델 성능”과 “서비스 성과”가 다를 때, 무엇을 기준으로 의사결정하겠습니까
8. 데이터 파이프라인과 피처 스토어를 설계한다면, 품질과 비용을 동시에 잡는 원칙은 무엇입니까
9. 온라인 A/B 테스트에서 가장 흔한 함정(바이어스, 시즌ality, 중복 노출, 네트워크 효과)을 어떻게 피하겠습니까