AI 엔지니어 면접에서 코딩테스트는 어느 정도 깊이로 나오나요?
AI/ML 직무 이직 준비 중인데, 코딩테스트 대비를 어디에 맞춰야 할지 모르겠습니다.
일반 백엔드 이직 때는 알고리즘(자료구조, DP, 그래프) 위주로 준비했는데, AI 직무도 똑같이 빡센 알고리즘 코테가 나오는지, 아니면 ML/데이터 관련 실무형 과제가 나오는지 궁금해요.
회사마다 다를 것 같긴 한데, 대략적인 유형과 비중을 알면 준비 시간을 효율적으로 배분할 수 있을 것 같습니다. 경험담 공유 부탁드립니다.
답변 2개
여기저기 봤던 기준으로 말하면, AI/ML 코테는 회사 성격 따라 결이 꽤 다릅니다.
빅테크나 대기업 ML 포지션은 그냥 일반 SW 직군이랑 똑같은 알고리즘 코테 봐요. ML 지식하고는 별개로 자료구조·알고리즘 통과가 1차 관문이라, 백엔드 때 준비한 거 그대로 유효합니다. 여기는 빼도 박도 못해요.
반면 ML 특화된 데는 과제형이 많습니다. 데이터셋 던져주고 전처리부터 학습·평가까지, 또는 "이 모델 성능 올려봐" 식. 주피터로 제출하거나 라이브로 하는데, 여기선 알고리즘보다 데이터 만지는 손이랑 파이프라인 감각을 봐요. 응용/LLM 쪽은 또 달라서 "간단한 RAG 짜봐", "이 API 설계해봐" 같은 미니 프로젝트·시스템 설계가 많고 알고리즘 비중은 낮은 편.
준비 배분은 노리는 회사군을 먼저 정하는 게 효율적이에요. 빅테크 ML이면 알고리즘 무겁게, 스타트업 응용이면 실무 과제·설계 쪽으로. 둘 다 노리면 알고리즘은 녹슬지 않을 정도로만 유지하고 차별화는 실무 과제에서 만드는 걸 추천합니다. 알고리즘 만점 받아도 ML 과제에서 데이터 못 다루면 떨어지는 거 몇 번 봤어서요.
- 에디터 검증
위 분류에 최근에 본 거 하나만 보탤게요. 응용 AI 엔지니어 면접이었는데 라이브 코딩이 "외부 API 호출해서 결과 파싱하고 에러랑 타임아웃 핸들링하는 작은 함수 짜라"였어요. 알고리즘이 아니라 불안정한 외부 의존성 다루는 실무 코드를 본 거죠.
LLM 쪽이라 이게 말이 되는 게, 실제로 LLM API는 느리고 가끔 죽고 응답 형식도 깨지잖아요. 재시도, 타임아웃, 부분 실패, 응답 스키마 검증 — 이런 걸 자연스럽게 짜는지가 포인트였습니다.
그래서 AI 직무라고 ML 이론만 파지 말고 불안정한 시스템 견고하게 다루는 기본기도 코테 범위라고 생각하시는 게 맞아요. 백엔드 경험 있으면 오히려 이쪽은 유리합니다.