메뉴 건너뛰기


커리어 세부메뉴

합격자소서

엘지전자㈜ 2023년 상반기 신입 소프트웨어개발자합격자소서

합격자 정보

  • 대학원
  • 인공지능융합학과
  • 학점 4.13/4.5
  • 오픽 IH
  • 수상 3회
  • 동아리 1회
  • 교내활동 1회
  • 자원봉사 1회
  • 19,838읽음

합격자소서 질문 및 내용

답변
직무에 관련된 전공으로 기계 학습, CNN 이론 및 응용, 머신러닝 이론 및 응용, 텍스트 마이닝과 자연어 처리 수업을 수강했습니다.

기계학습 A0
인공지능의 기초가 되는 기계 학습의 이론에 대해서 배우기 위해 수강했습니다. 이를 통해 음성 인공지능에 사용되는 딥러닝의 기초에 대해서 알게 되었습니다. 본 직무에 필요한 기초 지식인 인공지능에 대한 기초를 다질 수 있었습니다.
CNN 이론 및 응용 A0
인공지능의 기본이 되는 CNN 모델에 대해 배우기 위해 수강하였습니다. 이미지 인공지능에 대해서 상세히 알게 되었습니다. 인공지능 연구에 필요한 convolution 연산에 대한 이해와 이미지 인공지능 모델을 구현할 수 있는 역량을 갖추었습니다. 또한 이미지 인공지능 분야의 지식을 음성 인공지능 분야에도 활용할 수 있게 되었습니다.

머신러닝 이론 및 응용 A+
기계 학습 기법의 종류와 사용 방법에 대해 배우기 위해 수업을 수강하였습니다. 팀 프로젝트를 통해서 기계 학습을 실제 문제에 적용 해 볼 수 있었습니다. 인공지능 연구에 기계 학습 기법인 PCA, LDA 등을 사용할 수 있게 되었습니다.
텍스트 마이닝과 자연어 처리 A0
음성 연구에서 텍스트에 대한 전처리가 필요합니다. 또한 인공지능의 다양한 분야의 지식을 얻어 연구에 활용할 수 있기 때문에 수업을 수강하였습니다. 수업을 통해서 음성 인공지능 연구에 필요한 텍스트 처리 방법에 대해 알게 되었고, 텍스트 기반 인공지능에 대한 전반적 이해를 높일 수 있었습니다. 이를 통해 NLP 분야의 지식을 음성 인공지능에 활용할 수 있게 되었습니다.
다양한 인공지능 분야의 수업을 통해 각 분야의 필수적인 지식을 습득하였습니다. 지원하는 직무에 필요한 다양한 인공지능에 지식과 활용할 수 있는 역량을 키울 수 있었습니다.

글자수 8981,505Byte

답변
“첫 인공지능 프로젝트”
처음 인공지능을 사용한 프로젝트인 FPCB 불량 검사 프로젝트가 기억에 남습니다. 저를 포함한 3명의 석사과정이 21년 6월부터 12월까지 총 6개월간 연구에 참여했습니다. 학연산 프로젝트로 기업에서 요구한 목표는 실제 현장에서 사용할 수 있도록 불량의 검출 정확도가 98퍼센트 이상이 되기를 원했습니다. 불량 검출 정확도 98퍼센트를 목표로 두고 연구를 시작했습니다. 제가 프로젝트에서 맡은 역할은 데이터 가공과 segmentation 모델을 이용한 불량 검출입니다.
먼저 데이터 가공입니다. 제공받은 데이터는 학습에 사용할 수 없는 크기의 이미지를 받았습니다. 따라서 학습에 사용할 수 있도록, 불량 판단에 필요한 부분만 slide window 방식으로 이미지를 잘라서 전처리를 진행했습니다. 모델 학습을 진행하면서 불량 데이터의 부족과 이미지 밝기 불균형이라는 문제가 생겼습니다. 이를 해결하기 위해서 회전과 뒤집기를 이용하여 불량 데이터를 증강했습니다. 이미지 밝기 불균형 해결을 위해서 이미지 히스토그램 평준화를 통해 이미지 간의 밝기 차이를 줄였습니다.

둘째, segmentation 모델을 이용한 불량 검출입니다. U-net 모델을 선정하여 프로젝트에 사용했습니다. U-net은 이미지에서 segmentation을 하는 모델로 불량을 분류해 주지 않습니다. 불량이라고 판단된 부분의 픽셀 수를 계산에 일정 수치가 넘어가면 불량품으로 판단할 수 있는 기능을 개발했습니다.
연구 초기 단계에서는 정상품과 불량품에 대해 구별하지 못했습니다. 데이터 증강과 히스토그램 평준화를 통해서 성능을 개선하여 70퍼센트의 정확도까지 성능을 개선했습니다. 하지만 목표였던 98퍼센트에 도달하기에는 역부족이었습니다.
인공지능을 사용한 첫 프로젝트였고, 성능 개선을 위해 다양한 시도를 했지만, 목표에 도달하지 못해 아쉬움이 컸습니다. 프로젝트를 통해 인공지능 모델을 구성하고 다룰 수 있게 되었고, 데이터의 비율과 품질의 중요성에 대해서 배웠습니다.

글자수 9981,676Byte

답변
“세계 가전의 리더 LG”
LG전자가 서비스 중인 ETTS를 발전시키고 싶습니다. 현재 ThinQ를 통해서 가전을 음성을 제어할 수 있도록 서비스를 지원하고 있습니다. 미래 가전에는 음성을 이용한 제어를 넘어 차별화된 서비스가 필요합니다. 개인 맞춤형 목소리 지원과 현재 서비스 중인 두 가지 언어보다 확장된 서비스 지원이 필요합니다. 글로벌 가전제품 시장에서 글로벌 선두 주자인 LG 전자의 가전제품에 위 기술을 탑재하기 위해 LG 전자에 지원했습니다.

“음성 연구자가 되기 위한 노력”
음성 인공지능 연구자가 되기 위해서 필요한 음성학과 인공지능에 대해 공부를 했습니다. 먼저 음성학에 관한 공부를 했습니다. 음성학을 통해서 사람의 목소리의 조음기관의 형성과 나오는 주파수의 형태에 대해서 알게 되었습니다. 이러한 소리의 특징을 이해하기 위해 오디오 프로그램을 다루면서 소리의 특성에 대해 알게 됐습니다.
둘째, 음성 인공지능에 대해 연구했습니다. 학습되지 않은 음성에 대하여 소리를 발화할 수 있는 zero shot TTS를 연구했습니다. 이를 개발하기 위해 Auto Encoder, Convolution-Auto Encoder, LSTM, Convolution-LSTM 모델을 구현하여 사용했습니다. 모델 학습은 분류 학습, 전의 학습 방법을 이용해 보았습니다. 이를 통해서 Convolution-LSTM을 이용한 결과가 가장 좋은 성능을 내는 것을 확인하였습니다. 현재 유사도를 통해 분포를 학습하는 GE2E-Loss를 이용하여 성능 개선을 시도하고 있습니다.

“차별화된 서비스를 통한 글로벌 1위 LG전자”
LG전자에 입사하여 현재 LG전자가 가지고 있는 기술과 제가 경험한 경험을 기반하여 개인화 음성 지원과 다양한 언어를 지원하는 음성 AI를 개발하고 싶습니다. 이를 통해 LG전자가 글로벌 가전제품 시장에서 차별화된 서비스를 지원하는 회사가 될 수 있도록 이바지하는 연구원이 되겠습니다.

글자수 9661,571Byte