Q. 막학기에 무엇을 해야할지 모르겠습니다.

답변 3

• P

  PRO액티브현대트랜시스

  코전무 ∙ 채택률 100%

  ---

  채택된 답변

  현재 스펙만 보면 "취업이 어려워서 석사를 가야 하는 상황"으로 보이지는 않습니다. 오히려 인공지능학과 기준으로는 충분히 취업 지원을 해볼 만한 상태라고 생각합니다. 인턴 12개 탈락이라는 결과 때문에 부족하다고 느끼실 수 있지만, 인턴 선발은 모집 인원 대비 경쟁률이 매우 높고 학부생에게는 운과 타이밍의 영향도 큽니다. 현재 보유하신 강점은 분명합니다. 학점 4.1, AI 프로젝트 3개, LLM·비전 경험, 생성형 AI 연구실 경험 10개월, 해커톤 수상 경험은 일반적인 학부 졸업 예정자 기준으로 부족한 편이 아닙니다. 다만 채용 관점에서는 "AI를 공부했다"보다 "실제로 어떤 문제를 어떤 기술로 해결했는가"를 더 중요하게 보기 때문에, 현재 경험을 취업용으로 정리하는 과정이 필요해 보입니다. 막학기에 가장 우선해야 할 것은 스펙 추가보다 포트폴리오와 지원 방향 정리라고 생각합니다. AI 직무는 크게 나누면 AI 모델 연구·개발, ML 엔지니어, AI 서비스 개발, 데이터 분석, MLOps 등으로 갈립니다. 석사를 고민하는 것도 결국 이 방향성과 관련이 있습니다. 만약 논문 작성이나 새로운 모델 연구 자체에 흥미가 크고, 최신 AI 모델을 연구하는 연구원이 되고 싶다면 석사가 좋은 선택입니다. 특히 LLM, 컴퓨터비전 연구 직무는 석사 이상을 선호하는 경우가 많습니다. 다만 "취업이 안 될 것 같아서" 가는 석사는 추천하지 않습니다. 연구가 맞지 않는 상태에서 석사를 시작하면 2년 후에도 같은 고민을 할 가능성이 있습니다. 취업을 우선한다면 막학기에는 다음을 추천합니다. 첫째, 기존 프로젝트 3개를 깊게 정리하는 것이 좋습니다. 프로젝트 개수를 늘리는 것보다 "왜 이 모델을 선택했는지, 데이터 전처리는 어떻게 했는지, 성능 개선을 위해 어떤 실험을 했는지, 한계점은 무엇인지"를 설명할 수 있어야 합니다. 면접에서는 새로운 프로젝트보다 본인이 한 경험을 얼마나 깊게 이해하는지를 봅니다. 둘째, 배포 경험을 추가하면 좋습니다. 많은 학부 AI 프로젝트가 모델 학습에서 끝나는데, 기업에서는 실제 서비스를 만드는 경험을 중요하게 봅니다. 예를 들어 FastAPI, Docker, AWS 같은 도구를 활용해 간단한 AI 서비스를 배포해보면 ML 엔지니어 방향에서 차별점이 됩니다. 셋째, 전공 선택 과목은 목표에 따라 선택하는 것이 좋습니다. AI 개발 직무라면 머신러닝 심화, 딥러닝, 자연어처리, 컴퓨터비전, 데이터베이스, 운영체제, 클라우드 관련 과목이 도움이 됩니다. 반대로 연구직을 생각한다면 수학 기반 과목이나 최신 AI 논문을 다루는 과목이 더 적합합니다. 현재 상황에서 가장 아쉬운 부분은 인턴 경험이 없다는 점 정도인데, 이것도 반드시 인턴으로만 채울 필요는 없습니다. 연구실 경험 10개월이 있기 때문에 이를 "기업에서 활용 가능한 문제 해결 경험"으로 바꾸는 것이 중요합니다.

  ---
• 

  합격 메이트삼성전자

  코부사장 ∙ 채택률 79%

  ---

  채택된 답변

  멘티님. 안녕하세요. ​학점 4.1에 LLM과 비전 관련 프로젝트, 해커톤 수상, 학부연구생 10개월 경험까지 갖추셔서 정량 스펙과 실무 역량이 매우 뛰어납니다. 인턴 탈락은 역량 부족이 아니라 자소서 서술 방식이나 지원 직무 결에 따른 일시적 결과이므로 불안해하지 않으셔도 됩니다. ​막학기에는 학업 부담이 적은 만큼 기존 프로젝트의 코드와 포트폴리오를 GitHub나 블로그에 보기 쉽게 정리하고 서류 완성도를 높입니다. 동시에 신입 공채 지원을 적극적으로 병행하면서 실전 면접 감각을 쌓고 최종 합격을 노리는 전략을 추천합니다. AI 엔지니어링 및 데이터 관련 직무는 학부 출신이라도 실무 프로젝트 성과가 명확하면 충분히 취업에 성공합니다. ​응원하겠습니다.

  ---
• 

  취뽀도우미입니다대구교통공사

  코차장 ∙ 채택률 87%

  ---

  채택된 답변

  막학기를 앞두고 인턴 불합격 경험까지 겹쳐 불안감이 크시겠지만, 현재 가지고 계신 스펙은 학부생 기준으로 매우 훌륭한 수준이므로 너무 걱정하지 않으셔도 됩니다. 4.1이라는 높은 학점과 IH 등급의 어학 성적, 생성형 AI와 비전 분야의 프로젝트 경험 및 해커톤 수상 경력은 실무 역량을 충분히 증명하고도 남습니다. 인턴 12곳 탈락은 직무 역량의 부족이라기보다는 채용 시장의 높은 문턱과 시기적인 요인이 겹친 결과일 가능성이 높으니 자신감을 가지시기 바랍니다. 석사 진학의 경우 박사까지 염두에 두고 계신다면 진입 전 신중한 고민이 필요하며, 취업이 우선이라면 남은 막학기를 전략적으로 활용해 충분히 목표를 이룰 수 있습니다. 전공선택 2개 과목을 들으시면서 남는 시간 동안은 새로운 스펙을 무리하게 늘리기보다 기존에 하신 프로젝트와 학부연구생 경험을 이력서와 포트폴리오 상에서 직무 중심의 성과로 완벽하게 구조화하는 데 집중해야 합니다. LLM이나 비전 분야 중 본인이 가장 자신 있는 주력 기술을 정하고, 프로젝트에서 어떤 문제를 마주했고 그것을 AI 모델이나 알고리즘으로 어떻게 해결했는지 구체적인 수치와 함께 정리해 두는 것이 좋습니다. 또한 서류 지원 과정에서 자소서 피드백을 받고 실전 면접 감을 익히기 위해 신입 채용 공고에 꾸준히 지원하면서 부족한 부분을 보완해 나가시기를 권합니다.

  ---