AI 엔지니어 면접에서 코딩테스트는 어느 정도 깊이로 나오나요?

답변 2개

• 채택된 답변

  여러 군데 봤던 경험으로 정리하면, AI/ML 직무 코테는 크게 세 갈래로 갈립니다. 회사 성격에 따라 비중이 달라요.

  1. 빅테크/대기업 ML 포지션 — 일반 SW 직군과 동일한 알고리즘 코테를 그대로 봅니다. 여기는 ML 지식과 별개로 자료구조·알고리즘 통과가 1차 관문이에요. 백엔드 때 준비한 거 그대로 유효합니다.

  2. ML 특화 과제형 — 데이터셋 주고 "전처리 → 모델 학습 → 평가" 또는 "이 모델의 성능을 개선하라" 같은 실무형 과제. 주피터 노트북 제출하거나 라이브로 진행. 여기선 알고리즘보다 데이터 다루는 손과 ML 파이프라인 감각을 봅니다.

  3. 응용/LLM 엔지니어 — 시스템 설계나 미니 프로젝트형이 많아요. "간단한 RAG를 구현하라" "이 API를 설계하라" 같은. 알고리즘 비중은 상대적으로 낮고 실제 동작하는 걸 만드는 능력을 봅니다.

  준비 배분 팁: 본인이 노리는 회사군을 먼저 정하세요. 빅테크 ML이면 알고리즘 비중 높게, 스타트업 응용 AI면 실무 과제·시스템 설계 비중 높게. 둘 다 노린다면 알고리즘은 "녹슬지 않을 정도"로만 유지하고, 차별화는 실무 과제 쪽에서 만드는 게 효율적입니다. 알고리즘 만점 받아도 ML 과제에서 데이터 못 다루면 떨어지거든요.

  2025년 10월 14일도움돼요 14

  신고
• 에디터 검증

  위 분류에 실제 경험 하나 보탤게요. 최근에 본 응용 AI 엔지니어 면접은 라이브 코딩으로 "외부 API를 호출해서 결과를 파싱하고, 에러/타임아웃을 핸들링하는 작은 함수를 짜라"가 나왔어요. 알고리즘이 아니라 "불안정한 외부 의존성을 다루는 실무 코드"를 보는 거였죠.

  LLM 다루는 직무라 이게 의미가 있는 게, 실제로 LLM API는 느리고 가끔 실패하고 응답 형식이 깨지기도 하거든요. 재시도, 타임아웃, 부분 실패 처리, 응답 스키마 검증 — 이런 걸 자연스럽게 짜는지가 평가 포인트였습니다.

  그러니 AI 직무라고 ML 이론만 파지 말고, 불안정한 시스템을 견고하게 다루는 엔지니어링 기본기도 코테 범위에 들어간다는 걸 염두에 두세요. 백엔드 경험 있으면 이쪽은 오히려 유리합니다.

  2주 전도움돼요 8

  신고