추천 템플릿
AI·ML 엔지니어 이력서 가이드
요즘 'AI 엔지니어' 공고는 크게 세 갈래예요. 모델을 직접 학습·개선하는 자리, 이미 있는 LLM을 가져와 제품 기능을 만드는 자리, 학습과 배포 파이프라인을 운영하는 자리요. 어느 쪽이냐에 따라 같은 경험도 앞에 둘 문장이 달라져요. LLM 응용 쪽이라면 '무엇을 만들었다'보다 '품질을 어떻게 쟀다'가 실력을 가려요. 평가 데이터를 몇 건 직접 만들었는지, 사람 평가와 자동 평가를 어떻게 섞었는지, 요청당 비용과 지연을 얼마로 묶었는지 같은 것들이요. 모델 쪽이라면 오프라인 지표는 올랐는데 온라인 A/B 테스트에서는 움직이지 않았던 경험도 솔직하게 쓰면 오히려 신뢰를 얻어요.
AI·ML 엔지니어 이력서, 채용 담당자가 보는 포인트
- 1
평가셋을 만든 경험 쓰기
정답이 하나로 정해지지 않는 LLM 기능에서 평가 기준을 세운 사람은 드물어요. 평가셋 규모와 기준을 합의한 과정을 한 줄로 남기세요.
- 2
베이스라인을 꼭 밝히기
정확도 92%는 비교 대상이 없으면 의미가 없어요. 기존 규칙 기반 방식이나 이전 모델 대비 얼마나 올랐는지로 쓰세요.
- 3
데이터 작업도 성과예요
라벨 기준 정비나 노이즈 제거가 모델 교체보다 큰 효과를 내는 경우가 많아요. 그 기여를 '전처리' 한 단어에 묻어 두지 마세요.
LLM과 RAG를 활용한 사내 챗봇 개발
사내 규정 문서 RAG 챗봇 구축, 직접 만든 질문 300건 평가셋 기준 정답률 61% → 84%·요청당 비용 절반으로 축소
💡 평가 기준과 비용이 들어가면 데모를 만든 사람이 아니라 운영할 수 있는 기능을 만든 사람으로 읽혀요.
바로 쓰는 성과 문장 예시
채용공고 핵심 키워드
- Python
- PyTorch
- TensorFlow
- LLM
- RAG
- MLOps
- Hugging Face
- Kubeflow
- GPU
- Pandas
- SQL
- AWS SageMaker
자주 묻는 질문
연구 논문 경험을 이력서에 어떻게 적나요?
학회·저널명, 본인 기여 부분(데이터·모델·실험)을 한 줄로 압축하고, 가능하면 코드 또는 데모 링크를 함께 첨부하세요.
데이터 사이언티스트와 차이가 뭔가요?
AI 엔지니어는 모델 학습뿐 아니라 서빙·MLOps까지 다루기 때문에 운영 가능한 인프라 경험을 더 강조해야 해요.
LLM 경험이 없어도 내세울 게 있나요?
기존 NLP·CV 경험에서 사용한 데이터·메트릭을 정량화하고, 사이드 프로젝트로 RAG·파인튜닝 결과물을 첨부하세요.
지금 바로 시작하세요
로그인 없이 AI·ML 엔지니어 이력서 초안을 1회 만들어 볼 수 있어요. 가입하면 더 만들 수 있어요.