[취업특강] 카카오 계열사 시니어의 ML/데이터 사이언티스트 커리어 특강 후기

카카오 계열사.

네카라쿠배라는 개발 직군의 꿈의 직장 중 한군데 재직중이신 분의 취업 특강을 들어보고 싶었다.

요즘은 카카오가 나락이네 떨어졌네 말이 많다지만, 그래도 카카오 택시, 카카오톡 등 일상에서 이미 크게 자리잡은 부분들로 회사가 망할일은 없을 것이라 예상하는 사람이 나다.

이 특강으로 IT 대기업에 대한 취업에 대해 한번 알아보는 시간을 가지려 한다.

 

0. 특강 소개

카카오 계열사의 데이터 사이언티스트 현직자 분께서 파헤쳐주는 취업관련 특강으로 강의 시간은 20분이 채 안되 부담없이 듣기 좋은 것 같다.

아래의 링크를 눌러 메타코드 사이트에서 로그인을 해주고 강의 영상 카테고리 > 커리어 정보에서 바로 신청하면 된다. 
(현재 유료)

https://mcode.co.kr/

메타코드M

 

 

 

1. 내용 요약

 

강사 소개

 

데이터 사이언스 관련 팀의 리더로 시계열 데이터 모델링, ML OPS 적용, AR 서비스 목적으로 파인 튜닝을 하고 적용하는 등의 직무를 수행하고 계신다고 말씀하셨다.

개인적으로 아무래도 카카오사는 B2C 기업이다 보니 고객 데이터가 실시간으로 쌓이기에 시계열 데이터가 중요하다고 생각한다.

직무 관련으로 말씀해주신 부분들 중에 알아 듣지 못할정도로 내가 알고 있는 부분이 적고 그만큼 많이 공부해야되는구나 싶은 생각이 들어 처음부터 의지를 다 잡을 수 있게 하는 계기가 되기도 했다.

 

대학원? 전공?

 

대학원의 경우 진학을 하지 않으셨다 하시고, 전공은 전자공학으로 공부하셨다고 한다.

전자공학을 전공했다는 말이 나를 조금 위안해주는 느낌이었다.

나 역시 전자공학, 전기공학을 전공으로 배우다가 지금은 데이터 분석쪽으로 공부해보고 취업해보고자 도전중이기에 너도 할 수 있을 거야! 라고 몰래 속삭여 주는 느낌이랄까? ㅋㅋㅋ

 

현재 회사를 고른이유

 

스타트업에 관심을 많이 가지고 있었지만, 그 당시 스타트업들의 침체기가 온 상황을 보고 안정성을 추구하기 위해 현재의 IT 대기업으로 마음을 정하게 되었다고 한다.

스타트업과 IT 대기업의 특징이 다르기에, 고민되는 것은 당연하다고 생각이 든다.

스타트업은 주로 내가 주도적으로 해야하는 상황들이 많고, 대기업은 내가 주도적으로 할 수 있는 상황보다는 주어진 일을 수행해야하는 성향이 강하다고 들었기에 나 역시 첫 직장으로 스타트업이나 중소기업에서 내가 크게 성장하는 것을 조금 더 선호했다.

 

ML 엔지니어 / 데.싸 차이?

 

이 질문은 이전에 다른 취업 특강에서도 있었던 질문이었는데 또 사전 질문으로 들어온 것 같았다.

현재 근무중인 카카오 계열사에서는 ML 엔지니어는 없으며, 이전에 경험으로도 둘중 하나가 없는 곳들이 많았고,

데이터 분석가 인데도 데이터 사이언티스트의 업무까지 모두 담당하는 곳도 있었다고 하셨다.

데이터 기반으로 가설에 대한 검증을 하는 방법으로 모델링을 하고, 그 결과를 공유를 해야하는게 데이터 사이언티스트의 업무라고 하셨는데, 이건 이전 포스팅의 데.싸 커리어 특강 강사님과 같은 말을 하시는구나 하는 생각이 들었다.

연구원으로 재직중이면 논문같은 것이 그 결과로 나오겠지만, 기업에서 근무를 하는 사람이라면 보고서가 가장 보편적으로 공유하는 방법이라 생각하신다더라.

그리고 두 직무에 대해 크게 차이점을 느끼지는 못하신다며, ML 엔지니어는 모델에 대한 관심을 더 가지고 있고 쿠버네티스를 조금 더 다뤄야 한다고 생각한다셨다.

 

생성형 AI가 현업에 미치는 영향에 대해

 

솔직하게 큰 영향을 미친다고 생각하진 않는다고 한다.

지식을 얻고 활용을 할 때, 통찰력이 있는 정보를 가지고 오기보단 빠르게 습득하게 도와주는 역할정도라 한다.

그렇다고 업무에 도움을 받지 못하는 것은 아니고, 효율성을 높여준 것은 맞다고 하셨다.

GPT를 활용할 때, 활용함으로 나가게 되는 정보로 인해 조심해야하는 부분들이 크기 때문에 우려하는 것이 크기에 현재는 시작단계정도로 생각한다고 하신다.

 

스펙, 프로젝트 경험

 

처음부터 이쪽 직무를 먼저 하기보단, 소프트웨어쪽 엔지니어 직무를 먼저 경험하셨다신다.

그래서 이쪽 계열을 처음부터 잡아서 준비하는 사람들과는 결이 다를것이지만, 이직을 통한 경험들, AI 공부 경험, 캐글 등의 경험들이 도움이 많이 되었다고 하셨다.

당시 캐글이 유명하지 않았기에 조금 크게 작용되었다는데 시니어에다가 타 IT 직군에서의 이직이기에 다른 부분같았다.

 

이직 히스토리

 

챗봇 구축을 했던 경험, AI 기반 솔루션 개발 경험, 음성 합성 개발 경험 등등 인공지능과 관련된 개발 경험이 다양하게 있으셨다.

데이터 플랫폼 구축, 하이브리드 클라우드 기반의 분석환경 구축 등 이런 부분으로 개발하는 직무를 수행했기에,

사실상 데이터 직군과 협업, 그리고 인공지능을 다루는 것에 대한 이해도가 있었기에 그렇게 갈래가 다르신 것도 아니셨구나 싶었다.

 

도메인 지식 중요한가?

 

도메인 지식은 필요하다고 생각하신다 했다.

물론 기업마다, 부서마다 다르지만 도메인 지식을 알고 있어야 협업의 기본이 되지 않을까라고 말씀하셨다.

나도 도메인 지식이 깊은 편은 아니지만, 계속해서 구축해야한다는 생각을 절실하게 하고 있다.

그만큼 내가 함께 일을 하기 위해서는 기본적으로 그 업무에 대한 지식과 이해도를 갖춰야 습득도 빠르다고 느끼기 때문에 물론 툴을 다루는 실력들도, 수학적인 지식들도 중요하지만 이 부분들도 도메인 지식의 일부라고 생각한다.

 

현재 직군 티오

 

요즘 많은 곳에서 경력직 주니어 ~ 시니어 급에 대한 티오만 간간이 나고 있는 상황이라 신입들이 설수 있는 티오가 분명 적은 편이라 생각한다.

물론 경력직들도 이직을 하기 좋은 상황은 아닌 것같다.

DS 직군도 2년간은 채용이 없다가 올해 AI와 관련된 화두로 해당 파트 채용은 조금 생겼다고 한다.

그리고 GPT가 인기를 끌고 있는 지금, 모델을 생성할 사람들보다는 응용하고 적용할 사람들의 티오가 늘어나는 추세라고 보셨다.

 

코딩 테스트?

 

이 질문은 내가 아직 코딩 테스트를 볼 실력도 안된다 생각하고, 경험해본 적도 없기에 덩달아 궁금해졌다.

결론적으로 회사마다 다르게 본다고 하신다.

일반적으론 파이썬을 활용한 알고리즘 테스트를 많이 본다고 하신다.

과제 기반 테스트는 실제 업무와 관련된 테스트가 많이 진행된다고 하신다.

데이터 사이언티스트는 정말 부서 바이 부서라고 생각한다셨다.

 

코테에 따른 업무 강도 차이?

 

SQL을 활용한 코딩 테스트의 경우 업무가 SQL을 활용하는 업무이기에 활용 능력을 평가한다고 생각하셨다.

근데 이건 당연한 것 같다.

그리고 코딩 테스트 언어 따라 업무의 차이가 난다고 생각하지는 않고, 그냥 통과를 가리는 정도라고 하셨다.

솔직히 개인적으론 SQL 테스트를 통해서 이걸 얼만큼 활용할 줄 알고 어느정도의 이해도를 가지고 있는지에 따라 업무 수행력도 함께 평가를 해볼 수 있는 기회이고, 니즈를 정확히 파악할 줄 아는지도 알아볼 수 있는 계기가 되기 때문이지 않을까 싶다.

강사님의 말이 틀렸다고 생각하기보단, 면접을 통해서 얻어낼 수 있는 것도 있지만, 코딩 테스트를 통해 이 사람이 이해도를 가지고 있는지, 왜 이걸 수행하는지를 파악했는지도 알 수 있다고 생각한다.

 

 

2. 수강 후기

강사님이 빠르게 필요없는 말들을 안하시는 타입이신지, 질문이 단답으로 대답할 수밖에 없는 것이기도 해서 그런지 쓸모없는 말은 잘 안하셔서 강의 내용으로 덧붙일 부분이 없다..ㅋㅋㅋㅋ

다른 특강들도 주로 사전질문들에 대해 이루어지긴 했지만, 내용이 이렇게 짧지도, 얻어갈만한 내용이라거나 들으면서 오~ 라던가, 고개를 끄덕이는 등의 제스처를 취하면서 들을 내용들은 아니었다.

그래서 업로드 내용도 20분 정도 뿐이었을까 싶고 정말 기본적인 질문에 대한 형식적인 대답위주로 강사님의 경험이 담기고 견해가 담긴 내용들을 들어보고자 했던 나에겐 아쉬웠던 것 같다.

 

추천여부

이 특강은 그냥 내 포스팅 하나를 통해 읽어가보는 정도가 나을 것 같다.

시간도 짧고, 강사의 경험에 대한 이야기들을 많이 들을 수 있는 것도 아니기에 라이브로 들었을 때의 내용이 궁금할 정도다.

라이브에서는 더 깊이있는 내용을 다루셨는지 알 수 없지만.. 굳이 돈주고 들을 만한 내용은 아니라고 생각한다.