[취업특강] 제조업 대기업 ML Engineer / Data Scientist 커리어 특강 후기

오늘은 제조업 대기업 데이터 직무 현직자 특강을 듣고 정리해보려 한다!

 

 

0. 특강 소개

강의시간은 30분으로 반도체 제조업의 데싸, ML 엔지니어 직무를 수행하셨던 강사님이 겸손하게 특강을 이끌어 나가주신다.

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

 

데이터 관련 직군에 대해

 

데이터 엔지니어는 데이터 파이프라인을 생성하는게 주된 업무이고, DB에서 데이터를 사용하기 쉽게 가공해준다.

데이터 분석가는 파이프라인에서 데이터를 가져와서 KPI를 도출하기 위해 노력하며, 새로운 데이터를 데이터 엔지니어에게 요구하기도 한다.

데이터 싸이언티스트는 간혹 ML엔지니어로도 불리기도 하며, 둘의 업무만을 따지면 데이터를 사용해 보다나은 비즈니스를 만드는 같은 목적을 가지고 있기에 경계를 두지 않는편이라고 한다.

 

 

조언

 

기업마다 뽑는 포지션과 요구되는 역할이 다르기때문에 일반적으로 데이터 분석가나 데이터 사이언티스트 등의 직무를 따져서 내가 할일은 KPI 지표를 확립하는게 아니다 라고 생각하지 말고 기업이 해당 직무에 요구하는 스킬과 역량을 파악하고 그대로 해나가려는 준비를 하는 것이 바람직하다고 한다.

결론적으로 우리의 목표는 내 장점을 살려서 그 역량을 요구하는 채용공고를 많이 찾아보고 지원하는 것이 맞다.

 

 

직접 경험하신 데분/데싸 직무

 

현재는 생산라인 데이터를 활용하는 직무를 수행하고 계신다고 하셨다.

금융데이터의 경우 현 직장에서의 직무가 아니라, 이전 직장에서 경험하셨던 직무이다.

직무는 데이터 싸이언티스트로 데이터 분석가의 업무를 함께 담당하고 계신다고 하셨으며,

주로 시스템 자동화나 이상감지에 대한 부분을 머신러닝 기반으로 담당하고 계시는 것 같다.

 

 

주 직무는 반도체 도메인을 활용하는 현업을 기반으로 한다고 하셨다.

사내에서 사용하는 LLM을 다루기도 하는 잡탕(?) 업무를 맡고 계신다고 했다. ㅋㅋㅋㅋ

메인 롤은 생산 시스템 운영이라 머신러닝이나 데이터 사이언스가 아니셔서 전공을 살려서 해보고 계시는 중이라 하셨다.

롤과 도메인에 집중하는 것을 추천하셨다!

 

 

채용공고로 보는 데싸가 되기 위한 역량

 

토스뱅크

 

현재 실제로 채용공고로 올라온 토스의 데이터 사이언티스트 직무에 대해 이야기를 해보는 시간을 가졌다.

수행 업무의 첫번째인 데이터를 통한 문제정의, 해결방안 도출은 강사님이 느끼기엔 데싸의 가장 중심 업무라고 생각하신다했다.

문제를 파악해내고 그 문제를 해결하는 경험을 중요하게 생각하며, 분석 프로그래밍 툴을 사용할 수 있어야 한다.

토스에서의 직무는 머신러닝 등의 모델링을 통한 최적화와 프로세스의 효율을 추구해야한다.

 

아고다

 

주니어 공고는 아니지만, 결과적으로 요구하는 능력은 같아서 가져오신 채용공고이다.

해당 공고는 토스처럼 도메인을 한정하지 않고 자연어 처리나 이미지 등 포괄적인데 시니어 공고이기 때문이라고 하셨다.

스파크와 하둡이 언급된 것으로 보아 분산환경에 대한 경험을 요구하고 있으며,

이커머스 산업 경험자라는 도메인과 SQL, 파이썬 등의 스킬을 요구하고 있다.

 

CJ 물류

 

이 공고도 경력사원을 모집하기에 요구 역량이 조금 높은 편이긴 하다.

스킬 셋은 SQL과 파이썬을 사용할 줄 알아야 하며, 빅쿼리 같은 프레임 워크 사용자를 원하고 있다.

여기서는 데이터 분석가에게 주로 요구되는 A/B 테스트 경험을 한 사람을 우대하고 있다.

이로써 데이터 사이언티스트여도 데이터 분석가의 자질을 요구하는 곳도 있다는 것을 확인할 수 있다.

 

하이퍼 커넥트

 

이 공고는 머신러닝 리서치 사이언티스트를 채용하고 있다.

메인 롤은 최신 연구를 더 발전시켜서 우리 회사의 기술력을 더 높여달라는 것으로, 탑티어 컨퍼런스에 연구 논문을 발췌한 실적이 좋은 사람을 우대하고 있다.

즉, 리서치 사이언티스트는 논문 작성도 주된 업무이기 때문에 꼭 필요한 부분이다.

 

최종 정리

 

가장 중요한 부분은 문제 정의 능력이다.

이 부분은 캐글이나 공모전을 통해 다양한 도메인 경험을 쌓는 것이 중요하다 하셨다.

또한 통계적인 지식과 모델링 관련 지식들을 가지고 있어야 하며, 이를 통해 직접 표현해낼 능력이 요구된다.

그리고 기업인 만큼 대용량의 데이터들이 수집되고 사용되기 때문에 대용량 분산 시스템에 대한 이해도가 기본으로 요구되는 것 같다.

 

 

2. 수강 후기

이 강의의 경우 실시간으로 듣지 못한 강의여서 QnA는 어떤 구성으로 이루어졌었는지는 모르겠지만, 강의 내용만을 봤을 때는 제조업에 특화된 설명을 듣기에는 어려웠던 것 같다.

그냥 다른 특강들과 여념없이 데이터 사이언티스트와 ML 엔지니어에 대한 이야기를 주로 했던 것 같고, 이전 강의들을 듣지 않았다면 도움이 컸을 것 같지만 여러번 취업 특강을 들어본 나로썬 크게 와닿는 특강은 아닌 것 같았다.

 

추천 여부

혹여나 전공을 살려서 제조업 관련으로 나아가고자 이 특강을 고민중인 사람들이라면 비추한다.

그냥 얼마안되는 금액이라 한번 들어볼까? 하는 사람들은 들어볼만한 정도 같은데 크게 얻어갈 내용이 있는건 아닌 것 같아서 차라리 다음이 언제일지는 모르겠지만 다음 다른 강사분의 특강이 열린다면 그걸 실시간으로 들어보는 것을 추천하고싶다.