데이터 사이언스경력직
데이터 사이언스 × 경력직
데이터 사이언스 분야에서 5년의 실무 경험을 보유하고 있으며, EC·리테일 업계에서 추천 엔진 구축과 수요 예측 모델 개발을 주도했습니다. 비즈니스 문제를 수리 모델로 해석하는 능력과 MLOps를 도입하여 프로덕션 환경에 구현하는 엔지니어링 역량을 강점으로 합니다. 영어 기술 문서 작성 및 해외 팀과의 협업 경험도 있으며, 조직 전반에 걸쳐 데이터 기반 ROI 극대화에 기여합니다.
📌 경력 요약
- ▸2018.04 - 2021.03: 대형 EC 플랫폼 기업 데이터 애널리스트 겸 사이언티스트 (수요 예측, 마케팅 ROI 분석, A/B 테스트 설계)
- ▸2021.04 - 현재: AI 테크 스타트업 (외국계 자본) 시니어 데이터 사이언티스트 (추천 기반 MLOps화, 딥러닝 모델 개발, 주니어 멘토링)
📌 성과·강점
- ▸수요 예측 모델(LightGBM/Prophet)을 풀스크래치로 개발·도입하여 재고 폐기율을 전년 대비 15% 감소, 연간 약 1.2억 엔의 비용 절감을 달성했습니다.
- ▸개인화 추천 API의 추론 지연 시간을 50ms에서 12ms로 단축하고 CTR을 2.4% 향상시켜 월간 매출 기여 3,000만 엔을 달성했습니다.
- ▸MLOps 파이프라인(Kubeflow/MLflow)을 자체 구축하여 모델 검증부터 프로덕션 배포까지의 리드 타임을 3주에서 2일로 획기적으로 단축했습니다.
📌 기술·스킬
- ▸언어·DB: Python (Pandas, NumPy, Scikit-learn), SQL (BigQuery, Redshift), R, Bash
- ▸머신러닝·딥러닝: PyTorch, XGBoost, LightGBM, 자연어 처리 (Hugging Face Transformers)
- ▸인프라·MLOps: AWS (SageMaker, S3), Docker, Kubernetes, MLflow, Airflow, dbt
- ▸비즈니스·기타: A/B 테스트 설계, 인과 추론, 비즈니스 영어 (TOEIC 890 / 해외 팀과의 데일리 스크럼 경험)
📌 자기소개
- ▸모델의 정확도 향상뿐만 아니라 비즈니스에 어떻게 구현하여 가치를 창출할지 항상 고민합니다. 이전 직장에서 높은 정확도지만 추론 비용이 높은 딥러닝 모델이 사업부에서 거부된 경험을 통해 비즈니스 관점의 중요성을 절감했습니다. 이후 엔지니어와 협력하여 MLOps 기반을 구축하고, 경량화된 고성능 앙상블 모델을 자동 배포하는 시스템을 확립했습니다. 그 결과 사업부의 데이터 활용 리터러시도 향상되고 데이터 사이언스 조직의 신뢰를 얻을 수 있었습니다. 글로벌 데이터 기반 위에서 더욱 대규모의 다양한 문제에 도전하고자 귀사를 지원합니다.
💡 작성 팁
- 💡성과는 '모델 정확도(AUC 등)'뿐만 아니라 '비즈니스 임팩트(매출, 비용 절감액)'로 작성하면 기업에서 평가가 크게 달라집니다.
- 💡MLOps나 데이터 엔지니어링 스킬은 현재 데이터 사이언티스트 채용에서 강력한 차별화 요소이므로 인프라 경험도 반드시 기재하세요.
- 💡외국계 기업을 고려한다면 GitHub 포트폴리오나 Kaggle 메달, 영어 기술 블로그 등을 URL과 함께 이력서에 첨부하는 것이 효과적입니다.
- 💡자기 PR에서는 '비즈니스 측과의 커뮤니케이션'이나 '이해관계자를 설득한 에피소드'를 포함하면 시니어로서의 높은 시야를 어필할 수 있습니다.
🔗 🔗 다른 레벨
최종 검토: 2026-09-06 · aijobs 편집부