퍼블릭에이아이의 ML 챕터는 학교에서 배우는 수학적 모델링과 이론의 한계를 넘어, 실제 산업 현장의 생생한 도메인 데이터를 분석하고 다각적인 MLOps 솔루션을 구축해 나가는 실무 중심의 엔지니어링 팀이에요.
차량 데이터 예측부터 농수산업 스마트팜 생육 환경 분석까지, 폭넓은 도메인에서 데이터를 정의하고 의사결정 대시보드를 시각화하는 팀원들의 생생한 이야기를 들려드려요.
Q. 간단한 자기소개 부탁드려요.
근태쌤
안녕하세요, 퍼블릭에이아이 ML 챕터에서 ML 엔지니어로 일하고 있어요. 학부 시절 개발이나 공부 중 막히는 부분에 빠른 피드백을 받기 위해 참여한 오픈채팅방에서 퍼블릭에이아이 채용 공고를 접했어요. 다양한 도메인의 AI와 데이터 기술을 실제 산업 현장에 적용하고, 데이터를 기반으로 정의한 문제를 서비스와 의사결정으로 연결할 수 있다는 점에 매력을 느껴 합류했어요. 현재는 차량, 스마트팜, 농업 등 다양한 산업의 데이터를 다루며 모델 개발부터 데이터 분석, 서비스 구현, 고객 요구 사항 반영까지 폭넓게 경험하고 있어요.
민욱쌤
퍼블릭에이아이 ML 챕터에서 ML 엔지니어로 함께 일하고 있어요. AI 시대에 ML 엔지니어로서 어떻게 성장하고 경쟁력을 갖출 수 있을지 평소 고민이 많았어요. 퍼블릭에이아이가 AI 변화에 어떻게 대응하고 있는지를 들으며 회사에 오고 싶었어요. 현재는 다양한 산업의 AI와 데이터 활용 문제를 경험하며, 관심 있는 연구와 기술을 직접 구현해 실제 업무에 적용하고 있어요. 한 분야에 머무르지 않고 여러 문제를 접하며 폭넓게 성장할 수 있다는 점이 좋아요.
가현쌤
ML 엔지니어로 퍼블릭에이아이 ML 챕터에서 다양한 실무 경험을 쌓아가고 있어요. ML 엔지니어 인턴으로 퍼블릭에이아이에 합류했어요. 학교에서 배운 이론과 쌓아온 지식을 실제 서비스 문제를 해결하는 데 적용해본 경험이 인상 깊었어요. 현재는 AIStream과 현대차 MLOps 관련 업무를 담당하고 있어요. 동료들과 새로운 AI 기술과 트러블슈팅 경험을 나누며 실무 역량을 넓혀갈 수 있다는 점이 좋아요.
혜선쌤
ML 챕터에서 여러 산업의 문제를 AI로 풀어가는 일을 하고 있어요. 금융, 건축, 의료 등 여러 도메인의 AI 프로젝트를 수행하는 퍼블릭에이아이에서 다양한 문제를 해결하며 기술적 시야를 넓힐 수 있겠다고 생각했어요. 특히 문제 해결 과정 중심으로 면접에서 나눴던 이야기가 인상 깊어 합류했어요. 현재는 고객사 프로젝트와 자체 AI 플랫폼을 개발하며 설계, 개발, 검증, 운영까지 AI 프로젝트의 전 과정을 경험하고 있어요.
Q. ML 챕터는 어떤 일을 하는 팀인가요?
근태쌤
저희 팀은 다양한 산업 현장의 데이터를 분석하고, ML 모델의 결과를 실제 서비스와 의사결정으로 연결하는 일을 해요. 현대자동차 EV 배터리 프로젝트에서는 실주행 데이터를 수집해 만든 모델을 NVIDIA Xavier에 탑재하고, 실제 환경에서 예측 결과를 제공했어요. 스마트팜과 농업진흥청 프로젝트에서는 온도, 습도, CO2, 일사량 같은 환경 데이터와 생육 데이터를 활용해 작물의 생장 상태와 수확량을 예측하는 모델을 개발하고 Streamlit 대시보드로 제공했어요. 모델 개발, 데이터 전처리, 모델 성능 평가, 결과 시각화 등 개발한 모델을 고객이 활용하기까지의 전 과정을 담당해요.
민욱쌤
퍼블릭에이아이의 MLOps 플랫폼인 AIStream에서 활용할 모델 템플릿을 만들고 있어요. 사용자의 코드나 요구 사항을 AIStream에서 실행하고 활용할 수 있도록 모델 구조를 개발하고, 언제든 사용할 수 있도록 템플릿화해요. 단순히 모델을 구현하는 데서 끝나지 않고, 실제 플랫폼 위에서 안정적으로 동작할 수 있도록 구조화하는 일도 맡고 있어요. 최신 AI 연구와 기술을 스터디하고 실제 코드로 구현해보며, 회사 업무에 적용할 수 있는 도구나 기능도 개발하고 있어요. 연구와 구현, 실제 서비스 적용 사이의 연결점을 찾는 것이 저희 팀의 중요한 역할이에요.
가현쌤
저희 팀은 ML 모델이 안정적으로 운영될 수 있는 환경을 구축하는 것을 책임지고 있어요. 현대자동차에서 활용하는 MLOps 시스템에 맞게 기존 모델 개발 코드를 리팩토링하고, 플랫폼 환경에서 안정적으로 실행될 수 있도록 코드 구조를 개선하고 있어요. 모델 학습이나 데이터 전처리 과정에서 발생하는 에러 로그를 분석하고 해결하며 모델이 안정적으로 동작하도록 관리해요. 다양한 ML/AI 모델을 리서치하고, 사내 서비스와 실제 프로젝트에 적용할 방법도 함께 고민 중에 있어요.
혜선쌤
운영 중인 AI 서비스를 안정적으로 관리하고, 데이터를 바탕으로 모델과 서비스를 계속 개선하는 것도 저희 팀의 역할이에요. 한국고용정보원의 AI 일자리 매칭 시스템에서는 WhaTap 기반 서비스 상태를 모니터링하고 추천 결과의 오류를 개선하며, 주기적인 모델 재학습과 데이터 관리로 성능을 최신 상태로 유지해요. Oracle DB의 직무 데이터를 활용한 NCS 직무역량 추천 서비스를 새롭게 개발해 실제 서비스에 적용하기도 했어요. 최근에는 사용자 행동 데이터를 활용한 추천 서비스를 PyTorch 기반으로 개발하고 있어요. 데이터 분석과 Feature Engineering부터 학습 데이터 구성, 모델 학습, 오프라인 성능 평가, 운영 데이터 기반 시뮬레이션까지 전 과정을 수행하며 추천 품질을 개선해요.
Q. ML 챕터의 일하는 방식이 궁금해요.
민욱쌤
저희 팀은 코드 리뷰와 기술 피드백을 활발하게 하고 있어요. 정기적인 회의와 소통 자리를 통해 각자 진행하고 있는 업무를 공유하고, 코드와 구현 방식에 대해 의견을 나눠요.
문제는 언제나 함께 논의하며 더 나은 방향을 찾으려고 해요. 업무를 진행하다 막히는 부분이나 개선이 필요한 부분이 생기면 즉석에서 공유하고 논의하며 해결 방법을 찾아요. 함께 배우며 성장할 수 있는 문화가 갖춰져 있어요.
가현쌤
다양한 도메인의 외부 프로젝트를 진행하기 때문에 잦은 내외부 커뮤니케이션이 필요해요. 미팅이 많은 날에는 하루에 2~3개가 이어지기도 하는데, 프로젝트의 방향성과 업무 범위에 대한 공감대를 형성하는 중요한 과정이라고 생각해요.
미팅에서 정리한 내용과 실무 진행 상황은 Slack과 Git으로 공유해요. 코드 설계서, 리서치 자료, 트러블슈팅 기록은 마크다운으로 작성해 팀원들이 업무의 배경과 해결 과정을 쉽게 확인할 수 있도록 해요.
기술부에서 진행한 내용은 기획부와도 지속적으로 공유해 고객사와의 커뮤니케이션이 실제 구현 방향과 어긋나지 않도록 해요. 매주 주간 미팅에서는 프로젝트 현황과 방향을 맞추고, 기술부 먼슬리 미팅에서는 업무 중의 기술적인 고민을 함께 나누고 있어요.
혜선쌤
운영 중인 서비스를 점검하며 장애나 이상 징후를 확인하며 하루 업무를 시작하는 편이에요. 이슈가 발생하면 고객사와 즉시 소통하며 해결하고, 정기적으로 진행 상황을 공유해요.
이외에도 새로운 피처를 발굴하고 학습 데이터를 개선하며, 여러 모델을 비교·검증하는 실험을 반복해요. 실제 추천 결과도 함께 살펴보며 서비스 품질을 검토하고 있어요.
Q. 일을 하며 만난 가장 어려웠던 문제에 대해 들려주세요.
혜선쌤
AI 일자리 추천 시스템 고도화 과정에서 Two-Tower 기반 후보군 생성 모델과 Ranking 모델을 설계하는 프로젝트를 진행했어요. 오프라인 평가에서는 좋은 성능을 보였지만, 운영 데이터를 활용한 시뮬레이션에서는 개인화 품질이 기대에 미치지 못하는 문제가 있었어요.
원인을 분석해보니 학습 데이터 구성과 실제 사용자 행동 패턴이 서비스 환경과 차이가 있었어요. 이후 데이터 수집 기간을 조정하고 Positive·Negative 샘플링과 Feature 구성을 개선했어요. 정량 지표뿐 아니라 실제 추천 목록을 확인하는 시뮬레이션을 반복하며 문제를 해결해 나갔죠.
이 경험을 통해 추천 시스템에서는 모델 구조와 알고리즘도 중요하지만, 실제 서비스 환경을 반영한 데이터 설계와 검증 체계가 추천 품질을 결정하는 핵심 요소임을 배웠어요.
Q. 퍼블릭에이아이에 합류한 뒤 직접 경험한 업무 환경은 어땠나요?
근태쌤
산업에서 활용되는 데이터를 다루고, 분석 결과를 서비스나 시스템으로 연결해볼 수 있는 환경이에요. 차량, 스마트팜, 농업처럼 도메인이 달라지면 데이터가 만들어지는 환경과 의미, 해결해야 하는 문제도 달라져요. 여러 산업의 데이터를 경험하면서 각 도메인의 특성을 먼저 이해하고, 그에 맞게 문제를 정의하고 데이터를 해석하는 방법을 배울 수 있어요.
모델 개발에만 머무르지 않고 데이터 분석과 서비스 구현, 고객 요구 사항 반영까지 폭넓게 경험할 수 있어요. ML 엔지니어로서 실무 역량을 넓히며 성장할 수 있다는 점이 좋았어요.
민욱쌤
해야 하는 업무만 수행하기보다 관심 있는 아이디어나 최신 연구를 직접 구현하고, 실제 업무에 적용해볼 수 있는 환경이에요. 자유로운 분위기 속에서 여러 산업의 문제를 접할 수 있어 한 분야에 머무르지 않고 다양한 관점으로 문제를 바라보게 되었어요.
새로운 기술을 공부하는 데서 끝내지 않고 직접 도구나 기능으로 구현해볼 수 있다는 점도 좋아요. 프로젝트와 연구를 함께 경험하며 성장할 수 있는 문화죠.
가현쌤
학교에서는 이론적인 지식을 쌓는 데 집중했다면, 회사에서는 그 지식을 실제 서비스와 시스템에 적용하는 경험을 하고 있어요. 동료들과 새로운 AI 트렌드와 각자의 트러블슈팅 경험을 공유하면서 빠르게 변화하는 업계의 흐름도 함께 익히고 있어요.
최신 AI 도구를 직접 사용하고 업무에 적용해볼 수 있도록 적극적으로 지원해주는 점도 인상적이에요. 배운 내용을 동료들과 나누며 함께 성장할 수 있는 환경이라고 생각해요.
혜선쌤
업무에 필요한 개발 도구와 인프라를 적극적으로 검토하고 지원해줘서 개발자가 문제 해결에 집중할 수 있는 환경이에요. 기술적인 토론과 피드백도 활발하고, 불필요한 위계 없이 서로를 존중하며 의견을 나눌 수 있어요.
고객사 프로젝트와 자체 AI 플랫폼 개발을 함께 진행하기 때문에 문제 정의와 설계부터 개발, 검증, 운영까지 AI 프로젝트의 전체 과정을 경험할 수 있다는 점도 큰 장점이에요.
Q. 퍼블릭에이아이에서 커리어 시작을 고민하는 분들께 한마디 부탁드려요!
민욱쌤
ML 분야에서 일할 때 하나의 기술을 깊게 익히는 것만큼 실제 문제가 어떻게 정의되고 기술이 어떻게 적용되는지 폭넓게 경험하는 것도 중요하다고 생각해요.
퍼블릭에이아이에서는 ML 연구나 모델 개발뿐만 아니라 실제 서비스 환경, 플랫폼 구조, 데이터 처리, 배포와 운영까지 여러 영역을 경험할 수 있어요. 여러 문제에 부딪히며 자신만의 방향을 찾아가고 싶은 분이라면 주저하지 말고 도전해보셨으면 좋겠어요.
가현쌤
저도 퍼블릭에이아이에서 첫 커리어를 시작했어요. 학교에서 배운 이론을 여러 도메인의 실제 서비스에 적용해보고, 업무에 필요한 도구와 시스템을 익히면서 실무 역량을 넓혀갈 수 있었어요.
처음부터 모든 것을 알고 시작하지 않아도 괜찮아요. 배운 내용을 실제 문제에 적용해보고, 새로운 문제를 스스로 그리고 팀과 함께 고민하는 과정을 즐기는 분이라면 퍼블릭에이아이에서 좋은 경험을 쌓을 수 있을 거예요.