직무 역량부터 인터뷰 전략까지, ML 커리어를 위한 완벽한 준비실제 인터뷰 대비 예상 질문/답변, 실습 문제 수록이 책은 머신러닝과 데이터 분야에서 커리어를 시작하려는 이들을 위한 필수 가이드이다. 인터뷰 프로세스의 다양성과 어려움에 대비하기 위해 ML 엔지니어, 데이터 사이언티스트 등 다양한 직군을 탐색하며, 개인의 현재 기술 수준을 평가하여 필요한 부분을 보완하도록 돕는다. 저자의 풍부한 실전 경험을 바탕으로, 인터뷰 프로세스와 성공 전략에 대한 구체적인 팁을 제공한다. 효과적인 이력서 작성법부터 실제 인터뷰 사례와 경험을 통한 대비 전략까지 실질적인 도움을 준다. 인터뷰에 필요한 머신러닝 지식을 심도 있게 다루며, 코딩 테스트, 배포 및 머신러닝 이론과 같은 기술적 내용뿐만 아니라 행동 인터뷰 준비도 세심하게 설명한다. 실제 인터뷰에서 나올 법한 인터뷰 질문과 인터뷰어의 관점에서 알려주는 답변 예시를 함께 제공하며, 책의 마지막 부분에서는 인터뷰 통과 후 준비해야 할 후속 조치에 대한 팁을 알려줌으로써, ML 커리어를 위한 완벽한 준비를 도와준다.
엘라스틱(Elastic)의 수석 데이터 사이언티스트이다. 이전에는 핀테크, 이동통신, 소셜 플랫폼 등 다양한 분야에서 머신러닝 경험을 쌓았다. 수잔은 국제적인 연사로, 파이콘(PyCon) 행사에서 여섯 차례 발표를 했으며, 데이터 데이 텍사스(Data Day Texas), 파이콘 DE(PyCon DE), 파이데이타 베를린(PyData Berlin ), 오라일리 AI 슈퍼스트림(O’Reilly AI Superstream ) 등에서 키노트 연설을 한 바 있다. 그녀는 자신의 뉴스레터(susanshu.substack.com )를 통해 머신러닝 경력 개발에 관한 글을 공유하고 있다. 여가 시간에는 여러 게임을 콘솔과 스팀 플랫폼에 출시한 바 있는 퀼 게임 스튜디오(Quill Game Studio ) 산하의 게임 개발자 팀을 이끌고 있다.
CHAPTER 01 머신러닝 직무와 인터뷰 프로세스1.1 이 책의 개요1.2 머신러닝과 데이터 사이언스 직책에 관한 간략한 역사1.3 머신러닝 경험을 요구하는 직책1.4 머신러닝 생애주기______스타트업______대규모 머신러닝 팀1.5 머신러닝 직무의 세 가지 축______머신러닝 알고리즘과 데이터 직관 역량: 적응 능력______프로그래밍 및 소프트웨어 엔지니어링: 구현 능력______업무 추진 및 의사소통 역량: 업무 완수 능력______세 가지 축의 최소 요구 사항 충족시키기1.6 머신러닝 역량 매트릭스1.7 머신러닝 채용 인터뷰에 들어서며1.8 머신러닝 채용 인터뷰 프로세스______웹사이트나 구인 공고를 통해 지원하기______웹사이트 또는 구인 게시판 지원 시 이력서 스크리닝______추천을 통해 지원하기______인터뷰 사전 체크리스트______리크루터 스크리닝______본격적인 인터뷰 과정 둘러보기요약CHAPTER 02 머신러닝 입사 지원과 이력서2.1 채용 공고는 어디에 있을까?2.2 머신러닝 채용 지원 가이드______입사 지원서의 효율성______채용 추천______인맥 쌓기2.3 머신러닝 이력서 가이드______여러분의 경험을 목록으로 정리하세요______이력서의 각 절에 대한 개요______지원하는 직무에 맞춰 이력서 맞춤화하기______최종 이력서 수정2.4 채용 지원하기______채용 공고 조사하기______자신의 역량과 경험을 머신러닝 역량 매트릭스와 대조해보기______채용 지원 이력 추적하기2.5 기타 채용 지원서 자료, 수료증, 그리고 FAQ______프로젝트 포트폴리오가 필요할까요?______온라인 수료증이 도움이 될까요?______FAQ: 이력서는 몇 페이지가 적당할까요?______ATS(후보자 추적 시스템)에 맞춰서 이력서 포맷을 조정해야 할까요?2.6 다음 단계______채용 공고 찾아보기______목표 직무와 내 역량 사이의 격차 식별하기요약CHAPTER 03 기술 인터뷰: 머신러닝 알고리즘3.1 머신러닝 알고리즘 기술 인터뷰 개요3.2 통계적 기법 및 기초적 기법______독립변수 및 종속변수 요약______모델 정의______선형 회귀 요약______학습/테스트 세트 분할 정의______모델 과소적합과 과적합 정의______정규화 요약______기초적인 기법에 관한 인터뷰 문제 예제3.3 지도 학습, 비지도 학습, 강화 학습______레이블이 지정된 데이터 정의하기______지도 학습 요약______비지도 학습 정의______준지도 학습 및 자기 지도 학습 요약______강화 학습 요약______지도 학습과 비지도 학습에 관한 인터뷰 문제 예제3.4 자연어 처리(NLP) 알고리즘______NLP 기본 개념 요약______LSTM 신경망 요약______트랜스포머 모델 요약______BERT 모델 요약______GPT 모델 요약______더 멀리______NLP에 관한 인터뷰 문제 예제3.5 추천 시스템 알고리즘______협업 필터링 요약______명시적 및 암시적 평가 요약______콘텐츠 기반 추천 시스템 요약______사용자 기반/아이템 기반 vs 콘텐츠 기반 추천 시스템______행렬 분해 요약______추천 시스템에 관한 인터뷰 문제 예제3.6 강화 학습 알고리즘______강화 학습 에이전트 요약______모델 기반 강화 학습 vs 비모델 강화 학습 요약______값 기반의 강화 학습 vs 정책 기반 강화 학습 요약______온-폴리시 강화 학습 vs 오프-폴리시 강화 학습 요약______강화 학습에 관한 인터뷰 문제 예시3.7 컴퓨터 비전 알고리즘______대표적인 이미지 데이터 세트 요약______합성곱 신경망(CNN) 요약______전이 학습 요약______생성형 적대 신경망 요약______추가적인 컴퓨터 비전 활용 사례 요약______이미지 인식에 관한 인터뷰 문제 예제요약CHAPTER 04 기술 인터뷰: 모델 학습 및 평가4.1 머신러닝 문제 정의하기4.2 데이터 전처리와 피처 엔지니어링______데이터 획득 소개______탐색적 데이터 분석 소개______피처 엔지니어링 소개______데이터 전처리와 피처 엔지니어링에 관한 인터뷰 문제 예제4.3 모델 학습 프로세스______모델 학습에서의 반복 과정______머신러닝 과업 정의하기______모델 선택 개요______모델 학습 개요______모델 선택과 학습에 관한 인터뷰 문제 예제4.4 모델 평가______대표적인 머신러닝 평가 지표 요약______평가 지표에서의 트레이드오프______오프라인 평가를 위한 기타 기법들______모델 버전 관리______모델 평가에 관한 인터뷰 문제 예제요약CHAPTER 05 기술 인터뷰: 코딩5.1 바닥부터 시작하기: 파이썬을 모르는 사람을 위한 학습 로드맵______이해하기 쉬운 책이나 강의 선택하기______릿코드, 해커랭크 또는 선호하는 플랫폼에서 쉬운 문제 시작하기______측정 가능한 목표를 설정하고 연습, 연습, 연습하기______머신러닝 관련 파이썬 패키지 사용해보기5.2 코딩 인터뷰 성공 팁______소리 내어 생각하세요______흐름을 제어하세요______인터뷰어는 여러분을 도와줄 수 있습니다______여러분의 환경을 최적화하세요______인터뷰는 에너지가 필요합니다!5.3 파이썬 코딩 인터뷰: 데이터 및 머신러닝 관련 문제들______데이터 및 머신러닝 관련 인터뷰 문제 예제______데이터 및 머신러닝 중심의 인터뷰에 관한 FAQ______데이터 및 머신러닝 인터뷰 문제 자료5.4 파이썬 코딩 인터뷰: 브레인티저 문제들______브레인티저 프로그래밍 문제 패턴______브레인티저 프로그래밍 문제 자료5.5 SQL 코딩 인터뷰: 데이터 관련 문제______SQL 코딩 인터뷰 문제 관련 자료_5.6 코딩 인터뷰 준비 로드맵_____코딩 인터뷰 로드맵 예시: 4주, 대학생______코딩 인터뷰 로드맵 예시: 6개월, 커리어 전환______코딩 인터뷰 로드맵: 여러분만의 로드맵을 만들어보세요!요약CHAPTER 06 기술 인터뷰: 모델 배포와 종단 간 머신러닝6.1 모델 배포______신입이 머신러닝 업계에서 겪는 주요 경험 격차______데이터 사이언티스트나 머신러닝 엔지니어도 이걸 알아야 하나요?______종단 간 머신러닝______클라우드 환경과 로컬 환경______모델 배포 개요______알아두면 좋은 기타 도구______온디바이스 머신러닝______모델 학습 중심 직무를 위한 인터뷰6.2 모델 모니터링______모니터링 구축______머신러닝 관련 모니터링 지표6.3 클라우드 제공업체 개요______GCP______AWS______마이크로소프트 애저6.4 인터뷰를 위한 개발자 모범 사례______버전 관리 시스템______의존성 관리______코드 리뷰______테스트6.5 기타 기술 인터뷰 구성 요소______머신러닝 시스템 디자인 인터뷰______심층 기술 인터뷰______코딩 과제 팁______프로덕트 센스Product Sense______MLOps에 관한 인터뷰 질문 예시요약CHAPTER 07 행동 인터뷰7.1 행동 인터뷰 질문과 응답______행동 인터뷰 질문에 답할 때 STAR 기법을 사용하세요______영웅의 여정 기법으로 답변을 강화하세요______인터뷰어 관점에서 본 모범 사례와 피드백7.2 대표적인 행동 인터뷰 질문과 추천 사항______의사 소통 역량에 관한 질문들______협업과 팀워크에 관한 질문들______피드백에 대한 반응에 관한 질문들______난관 대처와 새로운 역량 습득에 관한 질문들______회사에 대한 질문들______업무 프로젝트에 관한 질문들______자유 형식 질문들______행동 인터뷰 모범 사례______관련 업무 경험이 없을 때 행동 인터뷰 질문에 답하는 방법7.3 빅테크 회사 인터뷰를 위한 준비 예시______아마존______메타/페이스북______알파벳/구글______넷플릭스요약CHAPTER 08 모든 것을 하나로 묶기: 인터뷰 로드맵8.1 인터뷰 준비 체크리스트8.2 인터뷰 로드맵 템플릿8.3 효율적인 인터뷰 준비______더 나은 학습자가 되세요______시간 관리와 책임8.4 임포스터 신드롬요약CHAPTER 09 인터뷰 이후와 후속조치9.1 인터뷰 이후의 단계______인터뷰에서 기억나는 것들을 메모하기______중요한 정보를 놓치지 마세요______인터뷰어에게 감사 이메일을 보내야 할까요?______감사 인사 템플릿______인터뷰 후에 결과를 연락 받지 못할 경우 얼마나 기다렸다가 연락해야 할까요?9.2 여러 인터뷰 사이에 해야 할 일들______거절에 반응하는 방법______거절 결과에 회신을 보낼 때 사용하는 템플릿______입사 지원은 과정의 일부입니다______이력서를 업데이트하고 맞춤화하며 변경 내용을 시험해보세요9.3 입사 제안 단계______다른 진행 중인 인터뷰에 입사 제안을 받았다고 알리기______입사 제안 회신 기한이 매우 짧을 때 어떻게 해야 할까?______입사 제안 이해하기9.4 새 머신러닝 직무의 첫 30/60/90일______도메인 지식을 확보하세요______코드와 친해지세요______관계자들을 만나세요______온보딩 문서를 개선하는 데 도움을 주세요______여러분의 성과를 계속해서 추적하세요요약
