--- tags: '멘토링' --- 211216 멘토링 === - 최종 프로젝트 진행사항 - 번역 모델 결과 확인 - streamlit + FastAPI 사용해서 프로토타입 시연 - 한계점에 대한 내용을 미리 기록해두고, 확장될 수 있는 부분에 대해 언급할 것 - 해외 취업 스토리 - linked in 활용 (해외 기업 이력서를 넣어 봄) - unpaid 인턴에 혼자 떠나는 것이 조금 막막음 - 영어 면접 경험 -> UN 인턴 계기 - jellyfish 근무 - 링크드인에 올라온 공고를 보고 지원하여 합격 - 회사와 직무의 성장 가능성 고려 - ADB로 이직 - 연습 삼아 이력서 넣었는데.. 합격 - 추천서가 거의 필수인데, 추천서 없이 통과 - 쌓아온 스택과는 거리가 먼 직무였지만, 합격 - 해외 취업에 있어서 언어는 기본적인 업무를 할 수 있는 정도면 충분, 의사소통을 통해 내 의견을 정확히 말할 수 있으면 되는 정도 - 개발자를 뽑는 것이니 개발 역량이 더 우선순위 - 해외의 경우 자신의 제1 전공이 국내보다 중요한 것 같다 - 자신만의 스킬 하나를 가지고 있어야 함 - 어디에 던져놔도 잘 살아남을 수 있다!와 같은 생활력이나 적응력도 중요한 요소 - 사용하는 플랫폼 - 링크드인(업계 트랜드, 이력 관리, 외국계 경력직 지원, 신입보다는 경력 모집이 더 많음) - 리멤버(이직 제안이 많이 옴) - 월드잡플러스(해외 취업 공고 많음) - 원티드(써보지 않았지만 좋은 직무가 많아 보임) - 자기 어필을 잘 해야만 함 - 자신이 이루어진 성취에 대해 자신감을 가질 것 - 이력서 팁 - 오타 & 시제 확인 - 각 프로젝트에서 자신의 역할과 경험을 명확하게 작성 - 면접 질문 스터디 - 통계 및 수학 - missing value가 있을 경우 채워야 할까요? 그 이유는 무엇인가요? - 수치로 제안할 때에는 몇 %로 명확하게 표현하는 것이 좋아 보임 - 결측치 유형을 파악해야 함 - 결측치를 제거한 근거를 노트해야함 - 의사결정의 모든 것에 근거를 토대로 힘을 싣는게 좋음 - reference 참조와 같은 근거가 좋음 - 결측치의 유형 파악 -> 처리 방법에는 - 아웃라이어의 판단하는 기준은 무엇인가요? - 아웃라이어란? 잘못된 값, 실수로 입력된 값, 혹은 튀는값인데 그 튀는값에 의미가 없는 경우에 해당됨 - 만약 튀는값이 굉장히 중요한 역할을 하는 것이라면? 어떻게 처리할 것인가? - 분야마다 아웃라이어를 정하는 기준이 다를 수 있기 때문에, 아웃라이어 자체가 중요한 소스가 되는 데이터인지 혹은 예외사항이 없는 데이터인지를 판단 -> 아웃라이어를 판단하는 단계로 간다 - 모호한 부분이 있다면, 각 분야의 선행연구를 검토하는 과정이 필요하다는 내용을 언급 - 머신러닝 - 정규화를 왜 해야할까요? 정규화의 방법은 무엇이 있나요? - 머신러닝(machine)적 접근방법과 통계(statistics)적 접근방법의 둘간에 차이에 대한 견해가 있나요? - 머신러닝은 결과중심, 통계는 과정 중심 - 딥러닝 - 마지막으로 읽은 논문은 무엇인가요? 논문의 컨셉을 설명해주세요 - 오버피팅일 경우 어떻게 대처해야 할까요? - 자연어처리 - 문장에서 “Apple”이란 단어가 과일인지 회사인지 식별하는 모델을 어떻게 훈련시킬 수 있을까요? - Regular grammar는 무엇인가요? regular expression과 무슨 차이가 있나요? - 추천시스템 - User 베이스 추천 시스템과 Item 베이스 추천 시스템 중 단기간에 빠른 효율을 낼 수 있는 것은 무엇일까요? 다음 멘토링 준비 --- - 이력서 개인 피드백 - 이번주 토요일까지! (18일까지)