이번에 적을 내용은 면접과 관련된 내용이고 아마도 이번글이 시리즈의 마지막 글이 될 꺼같다. 올해 안에 다 적을 수 있을지 걱정이 많았는데, 올해 안에 꼭 마무리를 하고 싶어서 연휴를 틈타 열심히 글을 적고 있다.   기술 면접 - 1차  기술 면접은 신입과 경력이 차이가 많이 나는 것 같다. 신입의 경우 이렇다 할 프로젝트를 할 경험이 많지 않기 때문에 아무래도 기초 지식 위주로 많이 물어봤던 거 같고, 경력은 진행했던 프로젝트 위주로 질문을 많이 받았던 거 같다.  요즘은 신입 지원자들도 여러 가지 프로젝트를 많이 하는데, 사실 수박 겉핥기식으로 프로젝트를 진행한 것보다는 기본기를 더 다져가는 게 도움이 될 꺼 같다.  화려한 프로젝트로 이력서를 포장해서 면접을 갔다고 한들 기본적인 내용을 제대로 답..

이번에 작성할 내용은 코딩 테스트, 과제 테스트 등 면접 전 과정에 대한 글이다.구직 활동을 하면서 코딩 테스트는 거의 열에 아홉은 본 거 같고, 과제 테스트는 10번 중 2번 정도 진행한 것 같다.요즘 워낙 코딩테스트 플랫폼이 잘 되어있기 때문에, 기업 입장에서 상황만 좋다면 코딩 테스트 전형을 추가하지 않을 이유가 없다고 생각한다.    코딩 테스트 나는 파이썬으로 코딩 테스트를 준비했다. 코딩 테스트 준비는 몇 년 전부터 계속했었기 때문에 크게 어렵지는 않았다. 처음 코딩테스트를 준비할 때는 백준에서 풀었었다. 그 당시만 해도 프로그래머스에 그렇게 많은 수의 문제가 없었기 때문에 백준을 대체할 만한 국내 사이트는 없었다.  요즘은 백준보다는 프로그래머스를 많이 활용하는데 그 이유는 편하기 때문이다...

이번글을 포함해서 많으면 3편에 걸쳐 이직과 관련된 이야기를 해보고자 한다. 글은 아마도 이력서 - 포트폴리오 - 지원 - 테스트 - 면접 순이 될꺼같은데, 중간에 바뀔 수도 있을 것 같다.  어디까지나 내 경험을 바탕으로 쓰는 글이라 정답은 절. 대. 아니며 이렇게도 할 수 있구나~ 정도로 가볍게 보면 좋을 것 같다. 또한 나는 최근 경력직으로 이직을 한 것이기 때문에, 경력직을 위주로 글을 쓸 예정이다.    이력서 이력서는 notion으로 작성했으며 아래 블로그를 참고해 템플릿을 만들었다. 블로그 링크나의 이력서는 대략적으로 아래와 같이 구성되어 있다. 그리고 글을 최대한 적게 쓰려고 노력했다. 이력서를 읽는 담당자들이 글이 너무 많으면 부담스러워할 것 같았고, 애써 작성한 이력서를 제대로 읽지 않..

2021년 4월 첫 회사에 취업해서 상경했고, 2022년 4월 1년이 되는 날 퇴사를 했다. 퇴사를 한 이유는 다른 것 보다도 AI를 이용해 어떤 서비스까지 만들어 보고 싶은 욕구가 컸었는데, 그럴 수 없는 회사였기 때문이다. 다른 이유도 있긴 했지만..  그리고 과중하고 보람 없는 업무 등등 여러 가지 이유가 있긴 했다.   아무튼 퇴사 3개월 전부터 이직을 준비했었고, 내가 원했던 업무인 AI 서비스를 개발할 수 있는 회사로 이직을 했다.  입사한 지 1개월이 지났을 때였나, 내가 개발한 모델이 배포되어서 서비스에 활용되었다. 신기하고 보람찼다. 기존 팀원들이 차려둔 밥상에 숟가락 얹은 수준이지만 그래도 뿌듯했다.   그렇게 1년이 넘는 시간동안 여러 AI 모델을 만들고 서비스를 개발했다. AWS도 ..

이전글에 이어서 AWS Personalize로 추천 시스템을 만들어보자. 3. 레시피를 선택하여 솔루션 생성 AWS Personalize에는 여러 가지 알고리즘이 미리 정의되어 있기 때문에, 필요에 맞게 적절한 알고리즘을 선택하면 된다. 이것을 레시피라고 부르며, 해당 레시피와 데이터를 이용하여 학습된 모델 결과물이 솔루션이다. AWS에서 제공하는 레시피는 다음과 같다.(글 작성일 기준), 공식문서에서 지원되는 레시피를 확인할 수 있다.(링크) USER_PERSONALIZATION 레시피 사용자가 상호 작용할 항목을 예측합니다. User-Personalization : 모든 맞춤형 추천 시나리오에 최적화되어 있습니다. 상호작용, 항목 및 사용자 데이터세트를 기반으로 사용자가 상호작용할 항목을 예측한다. ..

AWS Personalize 란? Personalize는 일반 추천 및 개인화된 추천을 위한 AWS에서 제공하는 AI/ML 서비스이다. AWS 하면 EC2나 S3정도만 아는 사람이 많은데 막상 보면 없는 서비스가 없다. Personalize를 이용하면 ML에 대한 깊은 지식 없이도 1시간 이면 상품 추천에 대한 모델을 만들 수 있다. Personalize 특징 1. 효율적인 cold start 문제 해결 Personalize를 이용한 상품 추천에서 Item exploration weight를 조절하여 새로운 아이템(interaction이 없는)에 대해 상품 추천이 될 수 있도록 하는 기능을 제공합니다. 기본 값은 0.3이며 이 말은 추천 상품의 30%는 items.csv에서, 70%는 interactio..