LG AI 연구원(Research)의 인턴십 프로그램은 AI 기술의 최신 동향을 배우고 실무 경험을 쌓을 수 있는 훌륭한 기회이다. 특히, 실제 프로젝트에 참여하여 다양한 문제를 해결하는 과정에서 많은 것을 배울 수 있다. 팀원들과의 협업을 통해 실무 능력뿐 아니라 커뮤니케이션 능력도 향상시킬 수 있다.
AI 기술은 빠르게 변화하고 발전하고 있으므로, 지속적인 자기 계발과 최신 기술 동향 파악이 필수적이다. LG AI Research에서의 인턴십 경험은 이러한 지속적인 학습과 성장을 위한 훌륭한 출발점이 된다.
본 가이드는 LG AI 연구원 인턴십에 합격하여 실제 근무했던 서포터즈의 활동 보고서를 토대로 작성되었습니다.
지원서 제출
먼저, LG AI Research의 공식 웹사이트나 채용 포털을 통해 지원서를 제출한다. 이때, 이력서와 자기소개서, 그리고 관련 경험을 상세히 기술하는 것이 중요하다. 지원 서류는 따로 양식이 정해져 있지 않다. 서포터즈의 경우 사람인 사이트에서 표준 이력서 양식을 다운받아 사용하였으며, 자기소개서 부분만 추가하여 작성하였다.
입사 후 재직중이던 직원들의 말을 들었을 때 오른쪽의 서포터즈가 작성한 이력서 내용이 성실해보여서 좋았다는 의견도 있었고, 반대로 2페이지 이내면 충분할 것 같다는 의견도 있었다고 한다. 개인 선택이지만, 서포터즈의 경우 다음에 지원한다면 최대한 간결하게 2페이지 이내로 작성할 것 같다는 TIP을 주었다.
서포터즈가 이력서에 작성한 내용은 다음과 같으며, 이력서 부분은 2페이지, 자기소개서 1페이지로 총 3페이지의 지원서를 작성하였다.
- 학력 – 재학정보 작성
- 경력 – 연구실 랩인턴 경력 작성
- 수상실적 – 전공과의 관련성 높은 대회 뿐만 아니라 성실성이나 도전의식을 보여주기 위해 모든 내역을 다 작성
- 교육 및 연구활동 – 프로젝트 경험이나 교외 교육 이수 내용, 논문작성 경험을 적었으며, 구체적인 내용보다는 나열식으로 작성
- 해외경험/국제교류 – 영어로 된 자료를 볼 일이 많을 것 같아 언어 역량을 강조하기 위해 PNU buddy 활동, 언어 파트너 등 국제교류 내역을 작성.
- 어학 – 마찬가지로 언어 능력을 강조하면 좋을것같아 토익과 오픽 점수 작성
- 자격증/시험 – 공인 자격증같은건 없었기에 교내에서 교육을 듣고 취득한 CDS빅데이터 3급 자격증만 작성
- 자기소개서 – 이 부분은 선택일것 같지만 서포터즈의 경우 우선 2/3 페이지정도로 간단히 작성
서류 전형
제출된 지원서는 서류 전형을 거쳐 검토되며, 중요한 평가 요소는 학업 성적, 관련 프로젝트 경험, 프로그래밍 및 데이터 분석 능력 등을 정성적으로 고려한다고 한다.
면접 전형
1차 기술 면접
1차 면접에 앞서, 30분 이내의 개인 포트폴리오를 담은 발표자료 준비 요청을 받았다. 이에 서포터즈의 경우 개인 활동 중 직무연관성이 높은 활동 위주로 정리해서 프로젝트 3개를 담은 발표자료를 준비하였다. 전반적인 발표 순서는: 자기소개 – 프로젝트 1,2,3 – 앞으로의 계획 – Research Interest 순서로 준비해 발표하였다.
이후 30여분간 발표와 서류에 대한 질문이 이어졌다. 머신러닝, 딥러닝, 데이터 분석 등의 기술적 질문보다는 진행한 프로젝트에서 어떤 역할을 했고, 어떤 역량을 발휘했는가 주 질문 내용이었다. 예를 들어, 어떤 머신러닝 프레임워크를 사용했는지, Data Augmentation을 어떻게 활용했는지 등의 질문이 나올 수 있다.
1차 기술면접때 면접관은 총 3명이었으며, 3명 모두 지원자가 소속될 스쿼드(팀의 단위) 에 속한 직원들이었다. 면접 일정의 경우 1차 기술면접 합격 후 2차 인성면접 일정을 선택할 수 있는 메일이 와서 서포터즈의 경우 2주 정도 후에 면접을 보았다. 일반적으로 일주일 이상의 텀을 두고 진행되는것 같다.
2차 인성 면접
팀 내에서의 협업 능력, 조직 적응력, 그리고 장기적인 목표 등을 평가한다. 또한, 출퇴근 가능 여부와 인턴십 기간에 대한 논의도 이루어진다.
2차 인성 면접의 경우 마찬가지로 면접관은 3명이었다. 다만 1차 기술 면접때는 스쿼드장 한명과 스쿼드원 두명이 들어왔는데, 인성면접의 경우 스쿼드가 속한 Vision Lab의 랩장(상무)과 스쿼드장(팀장), 스쿼드원(사수) 한명이 들어왔다. 서포터즈가 지원했을 당시 채용인원은 2~3명정도였으며, 5~6명 정도가 면접에서 탈락하였다.
최종 합격 및 오리엔테이션
면접을 모두 통과한 지원자는 최종 합격 통보를 받으며, 인턴십 시작 전 오리엔테이션 자료를 통해 기본적인 회사 생활과 프로젝트 진행 방법 등을 안내받는다.
서포터즈 포함 총 3명이 같은 날 인턴으로 입사했다. 다만 한명은 서울대 의료+인공지능 관련 박사과정 재학생이었는데, 이 때문인지 다른 팀으로 배정되었고 학부생이었던 서포터즈와 다른 한 분은 같은 팀에 배정되었다. 서포터즈가 속한 팀에는 한달 먼저 일하고 있는 인턴 한 명이 있어서 총 3명이 함께 근무했다.
LG AI Research는 기본적으로 LAB 단위로 구분되어있다. 서포터즈는 그중에서도 컴퓨터 비전을 다루는 Vision lab에 소속되어 근무하였다. Vision lab 산하에는 Document Understanding 스쿼드와 비전검수 스쿼드가 있는데, 서포터즈는 그중에서 Document Understanding 에 소속되었다. 급여는 월 220만원에 식대가 월 10만원이 지급되었고, 연차는 한달 만근 시 하루였지만 당겨쓰거나 미뤄두거나 나눠쓸 수 있었다. 근무기간은 1월~3월로, 서포터즈의 경우 휴학생각이 없었기에 비교적 짧은 기간으로 진행했으나 같이 입사한 사람은 6월까지 6개월 근무하는걸로 계약하였다고 한다. 일반적으로 6개월 이상 근무하는 사람을 선호하는것 같다.
근무시간은 유연근무제라 팀원들의 경우 점심즈음에 출근해서 밤 늦게 퇴근하는 사람들도 있었고 일찍 출근해서 4시쯤 퇴근하는 사람도도 있었지만, 인턴들은 보통 9시 전후 출근, 6시 전후 퇴근이 일반적이었다. 근무요일은 월~금으로, 금요일은 대부분의 팀원들이 재택근무를 하는 분위기었다. 인턴들은 현장 근무가 권고되었으나, 회사 사정 상 전부 재택근무를 한 날이 4~5일정도 있었다. 재택근무 시에는 별다른 터치나 근무시간 인증과정 없이 자유롭게 근무하는 분위기였다.
복리후생같은 경우, 일단 기본적으로 회사가 LG 사이언스파크에 위치해 있기에 구내식당 음식이 굉장히 맛있었고, 주에 한번 정도는 외식도 했던것같다. 간식 종류도 굉장히 많았고 토스터기, 스타일러, 안마의자, 커피머신, 플레이스테이션, 오락기 등 스낵바와 휴게공간이 굉장히 잘 마련되어있었다. 달에 한 두번 회식을 하였고, 마침 인턴기간 내에 설날이 포함되어있어서 설날에 한우선물세트도 받았다. 그리고 매주 여러 LAB에서 연구원들이 테크 세미나에서 발표도 하였는데, 그 내용도 굉장히 유익하였다. 그리고 LG 임직원 할인도 받을 수 있다.
자율적으로 학습하고 능동적으로 참여하는 자세가 중요하다. 인턴십 기간 동안 주어진 업무 외에도 이 기회를 적극적으로 활용해서 스스로 학습하고, 추가적인 프로젝트나 연구를 통해 자신의 능력을 확장하는 것이 좋다.
나아가, 회사 내 다양한 전문가들과 네트워킹을 통해 더 많은 지식과 경험을 얻을 수 있는 기회를 활용하는 것을 추천한다. 다양한 분야를 전공하고 여러 연구실에서 온 사람들이 많기 때문에, 관심있는 분야를 연구하거나 전공한 사람이 있다면, 회사에 있을 때 커피챗을 요청하면 대부분 받아주므로 이러한 기회를 적극적으로 활용하면 좋다.
LG AI Research의 인턴십 프로그램에서 쌓은 경험을 통해 AI 기술을 연구하고 개발하는 다양한 연구소나 기업에서 연구원 또는 개발자 등 여러 방면에서 활동할 수 있다. 현재 문서 이해, OCR, 차트 및 테이블 검출 기술은 금융, 의료, 법률, 제조업 등 여러 산업에서 필수적인 기술로 자리잡고 있기 때문에 금융 산업 분야에서는 문서 자동화와 데이터 분석을 통해 효율성을 높이고, 의료 산업 분야에서는 의료 기록의 자동 분석을 통해 환자 데이터를 더 잘 관리할 수 있다.
나아가 인턴십 동안 수행한 프로젝트를 기반으로 학술 논문을 작성하거나, 관련 연구를 더 깊이 진행할 수 있다. 이는 석사나 박사 과정 진학 시 큰 도움이 된다. 연구 분야에서는 특히 딥러닝과 자연어 처리(NLP) 기술의 융합을 통한 새로운 모델 개발, 문서 구조 분석 및 정보 추출 등에서 많은 기회가 있다. 연구원에서 일하고 있는 직원들이 전부 석사 혹은 박사 분들이신 만큼 그들의 생생한 후기를 곧바로 전해 들을 수 있다.
AI 연구직 혹은 대학원 뿐만 아니라 AI를 활용한 데이터 분석 및 비즈니스 인사이트 도출 분야에서도 도움이 될 수 있다. 문서 및 데이터의 자동 분석 기술은 많은 기업에서 필요로 하는 핵심 역량이다. 예를 들어, 대규모 고객 데이터를 분석하여 마케팅 전략을 수립하거나, 생산 데이터를 분석하여 공정 개선 방안을 도출할 수 있다.
인턴십에서 배운 기술을 바탕으로 AI 기반 스타트업을 창업할 수도 있다. 특히, AI와 딥러닝 기술을 활용한 새로운 서비스나 제품 개발에 기여할 수 있다. 예를 들어, 문서 이해 기술을 활용한 지능형 문서 관리 시스템, OCR 기술을 활용한 자동화된 데이터 입력 솔루션, 차트 및 테이블 분석을 통한 비즈니스 인텔리전스 도구 등이 있다.
AI 기술은 지속적으로 발전하고 있으며, 특히 문서 이해와 같은 자연어 처리(NLP) 기술과 컴퓨터 비전(cv) 기술은 매우 빠르게 진화하고 있다. 이러한 기술은 금융, 의료, 법률 등 다양한 산업 분야에서 큰 수요가 있으며, 앞으로도 그 중요성과 활용도는 계속해서 증가할 것으로 예상딘다. AI 와 산업이 결합하여 아래와 같은 시너지를 낼 수 있다.
금융산업
금융 산업에서는 문서 처리 자동화, 데이터 분석, 리스크 관리 등에서 AI 기술이 중요하게 사용된다. 예를 들어, 자동화된 신용 평가 시스템, 금융 보고서의 자동 분석 등이 있다.
의료산업
의료 산업에서는 환자 기록 관리, 의료 이미지 분석, 진단 보조 시스템 등에서 AI 기술이 필수적이다. 예를 들어, 의료 기록의 자동화된 요약 및 분석, 의료 이미지의 패턴 인식 등이 있다.
법률산업
법률 산업에서는 계약서 분석, 법률 문서 자동화, 판례 검색 등에서 AI 기술이 사용된다. 예를 들어, 계약서의 주요 조항 자동 추출, 법률 문서의 자동 분류 등이 있다.
제조업
제조업에서는 생산 공정의 최적화, 품질 관리, 예측 유지보수 등에서 AI 기술이 중요하게 사용된다. 예를 들어, 생산 데이터 분석을 통한 공정 최적화, 예측 유지보수를 통한 장비 고장 예방 등이 있다.
LG AI Research의 인턴십 프로그램을 통해 습득한 기술과 경험은 이러한 미래 기술 트렌드에 대응하고, 관련 분야에서의 취업 기회를 크게 확장하는 데 중요한 자산이 된다. 특히, AI 기술의 발전 속도와 적용 범위가 넓어짐에 따라, 이러한 기술을 깊이 이해하고 실무 경험을 쌓는 것은 매우 중요한 경쟁력이 된다.
최근 AI 연구와 기술 개발 동향을 살펴보면 다음과 같은 주요 트렌드가 있다
1) 문서 이해 및 처리 기술의 발전 – 딥러닝 기반의 문서 이해
최근 몇 년간 딥러닝 기반의 문서 이해 기술은 비약적인 발전을 이루었다. BERT, GPT와 같은 대형 언어 모델은 문서의 의미를 보다 정확히 파악하고, 복잡한 질문에 대한 답변을 제공하는 데 크게 기여하고 있다. 이러한 모델은 자연어 처리(NLP) 분야에서 혁신적인 변화를 가져왔으며, 다양한 문서 이해 작업에 널리 사용되고 있다. 특히, BERT는 사전 훈련된 모델로서 다양한 NLP 태스크에 적응할 수 있으며, GPT 시리즈는 언어 생성 능력을 극대화하여 다양한 응용 분야에서 사용된다.
2) OCR 기술의 고도화 – 딥러닝 기반 OCR
전통적인 OCR 기술에서 벗어나 딥러닝 기반의 OCR 기술이 도입되면서, 문자의 정확한 인식뿐 아니라 문서 내의 구조적 이해도 가능해졌다. 이는 문서 자동화 및 데이터 처리의 효율성을 크게 향상시킨다. 최신 OCR 모델들은 이미지에서 텍스트를 정확하게 추출하는 것뿐만 아니라, 문서의 레이아웃과 구조를 파악하여 문서 전체를 이해하는 능력을 갖추고 있다. 예를 들어, 구글의 Tesseract와 같은 오픈소스 OCR 도구는 딥러닝 기술을 활용하여 높은 인식 정확도를 제공한다.
3) 차트 및 테이블 검출 기술 – BI 도구 발전
차트 및 테이블 검출 기술도 중요한 역할을 하고 있다. 이러한 기술은 대규모 데이터에서 유의미한 인사이트를 추출하는 데 필수적이다. 예를 들어, 다양한 형태의 차트와 테이블을 자동으로 인식하고 분석하여, 데이터를 시각적으로 이해하고 중요한 정보를 추출할 수 있다. 이는 비즈니스 인텔리전스 및 데이터 시각화 도구에서 중요한 역할을 한다. 최근에는 딥러닝 기반의 테이블 검출 모델들이 개발되어, 복잡한 테이블 구조도 정확하게 인식할 수 있다.
4) 멀티모달 학습 – 다양한 데이터 소스 통합
텍스트, 이미지, 음성 등 여러 유형의 데이터를 통합하여 학습하는 멀티모달 학습 기법이 주목받고 있다. 실제로 LG AI 연구원에서도 올해 기존의 Vision Lab 에서 Multimodal Lab 이 분리되어 출범했다. 이는 다양한 데이터 소스에서 얻은 정보를 종합하여 보다 정확한 예측과 분석을 가능하게 한다. 예를 들어, 문서 내의 텍스트와 이미지를 동시에 분석하여 문서의 전체적인 의미를 파악하거나, 음성 데이터를 텍스트와 결합하여 보다 풍부한 정보를 추출할 수 있다. 멀티모달 학습은 특히 자율주행, 로봇공학, 의료 진단 등에서 중요한 역할을 하고 있다.
5) 자연어 처리(NLP)와 컴퓨터 비전(CV)의 융합 – 복합적인 AI 모델 개발
자연어 처리와 컴퓨터 비전 기술을 결합하여, 보다 복잡한 AI 모델을 개발하는 것이 주요 트렌드 중 하나이다. 예를 들어, 이미지 설명 생성(image captioning)이나 비디오 요약(video summarization)과 같은 응용 분야에서는 텍스트와 이미지를 동시에 처리하는 기술이 필요하다. 이러한 융합 기술은 다양한 분야에서 혁신적인 솔루션을 제공할 수 있다.
이와 같은 인공지능 분야의 최신 동향은 LG AI Research 인턴십 프로그램에서 다루는 기술들과 밀접한 관련이 있다. 이러한 동향을 이해하고 최신 기술을 습득하는 것은 AI 연구 및 개발 분야에서 중요한 경쟁력을 확보하는 데 큰 도움이 된다.
도서
Deep Learning
by Ian Goodfellow, Yoshua Bengio, and Aaron Courville
딥러닝의 기본 개념부터 고급 주제까지 포괄적으로 다루는 교과서적 도서이다.
도서
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
by Aurélien Géron
실제 코딩을 통해 머신러닝과 딥러닝 모델을 구현하고 학습할 수 있는 실습서이다.
영상
Pytorch Vs. TensorFlow — What You Need To Know
Udacity
두 가지 주요 딥러닝 프레임워크를 사용하여 머신러닝 모델을 구축하는 방법을 배울 수 있다.
추천 논문
LG AI 연구원 인턴 수료 후 해당 기업에 취업시 별도 가산점은 부여되지 않으나, 추후 지원하게 된다면, 면접에서 분명한 강점이 있다고 할 수 있다. 그 외에는, 수료증과 명예사원증을 발급해준다.
LG AI Research 인턴십 프로그램은 자격증을 요구하지 않지만, 인턴십 이후 관련 분야 취업을 위해 다음과 같은 자격증을 준비하고 취득하는것을 추천하다.
TensorFlow 개발자 자격증
이 자격증은 TensorFlow를 사용한 딥러닝 모델 개발 능력을 검증한다. 주요 내용은 딥러닝 모델 설계, 훈련, 평가, 배포 등이다.
AWS 공인 머신러닝 자격증
AWS 서비스를 활용한 머신러닝 모델의 구축, 훈련, 튜닝, 배포 능력을 평가한다. 특히, AWS Sagemaker와 같은 도구를 활용한 실습 경험이 중요하다.
Microsoft Azure AI Engineer Associate
Microsoft Azure 플랫폼을 이용한 AI 솔루션 개발 능력을 인증한다. 이 자격증은 Azure Machine Learning, Cognitive Services 등의 사용 능력을 평가한다.
Certified Information Systems Security Professional(CISSP)
AI와 데이터 분석 분야에서도 보안의 중요성이 커지고 있어, 보안 관련 자격증도 유용할 수 있다. CISSP는 정보 보안 분야에서 가장 권위 있는 자격증 중 하나이다.
