데이터 사이언스신입
데이터 사이언스 × 신입
신입으로서 데이터 사이언스 업계를 지망합니다. 대학원에서의 머신러닝 연구와 2곳의 AI 벤처 기업에서의 장기 인턴 경험을 통해 Python을 활용한 예측 모델 구축 및 SQL을 이용한 대규모 데이터 추출·분석 스킬을 습득했습니다. Kaggle 메달 획득 실적도 있으며, 비즈니스 과제를 수리적으로 파악하고 엔드투엔드로 구현하는 능력이 강점입니다.
📌 경력 요약
- ▸2022년 9월~2023년 8월: AI 벤처 A사에서 데이터 사이언티스트 인턴. EC 사이트의 추천 엔진 개선 프로젝트에 참여하여 피처 엔지니어링과 모델의 오프라인 평가를 담당했습니다.
- ▸2023년 4월~2024년 3월: 대학 발 스타트업 B사에서 리서치 어시스턴트. 자연어 처리를 이용한 고객 리뷰 감성 분석 도구를 스크래치부터 개발하고 API화까지 완료했습니다.
- ▸2021년 4월~현재: 대학원 공학연구과 지능시스템 전공. 시계열 데이터를 이용한 이상 탐지 알고리즘 연구에 종사하며 국제 학회에서 포스터 발표를 실시했습니다.
📌 성과·강점
- ▸인턴 기업에서 추천 모델을 개선하여 클릭률(CTR)을 기존 대비 14.5% 향상, 월간 매출 기준 약 800만 엔의 증대에 기여했습니다.
- ▸Kaggle 테이블 데이터 컴피티션에서 LightGBM과 NN의 앙상블 기법을 구축하여 상위 2%(Silver Medal)를 획득했습니다.
- ▸연구실 서버 환경(AWS EC2/GPU)을 직접 구축·운영하고 연구원 15명의 컴퓨팅 리소스 할당을 자동화하여 연구 효율을 30% 개선했습니다.
📌 기술·스킬
- ▸프로그래밍 언어: Python (Pandas, NumPy, Scikit-learn), SQL, R
- ▸머신러닝·딥러닝: PyTorch, LightGBM, XGBoost, Hugging Face Transformers
- ▸데이터 인프라·MLOps: AWS (S3, EC2, SageMaker), Docker, Git/GitHub, MLflow
- ▸어학·기타: 영어(TOEIC 860점 / 논문 독해·기술 문서 작성 가능), 통계검정 2급
📌 자기소개
- ▸'기술과 비즈니스의 가교가 되는 추진력': 인턴 기업에서 '모델의 정확도는 높지만 추론 비용이 맞지 않는다'는 과제에 직면했습니다. 엔지니어와 협업하여 모델 증류와 ONNX 형식 최적화를 통해 정확도를 98% 유지하면서 레이턴시를 40% 단축했습니다. 비즈니스 요구사항과 기술적 제약의 균형을 유지하며 엔드투엔드로 가치를 전달하는 데 강한 집착을 가지고 있습니다.
💡 작성 팁
- 💡신입 데이터 사이언스 직무는 '잠재력'과 '구현력'을 봅니다. Kaggle이나 컴피티션 실적은 단순 순위뿐만 아니라 '어떤 가설 검증과 피처 엔지니어링을 수행했는지'를 면접에서 설명할 수 있도록 준비하세요.
- 💡일본 기업이든 외국계 기업이든 SQL과 데이터 전처리 기본기는 필수입니다. 모델 구축뿐만 아니라 더러운 데이터를 어떻게 클렌징했는지에 대한 경험을 어필하면 평가가 높아집니다.
- 💡연구 내용이나 인턴 성과를 기술자가 아닌 인사 담당자나 사업부장에게도 전달되도록 '비즈니스 임팩트(매출이나 비용 절감)'와 연결해 언어화하는 연습을 하세요.
- 💡외국계 기업을 노린다면 LeetCode 등의 코딩 테스트와 영어 기술 면접이 자주 요구되므로, 알고리즘 기초와 영어 프로젝트 설명을 병행하여 대비하세요.
🔗 🔗 다른 레벨
최종 검토: 2026-09-06 · aijobs 편집부