삼성전자 DS SW 최종합격 자소서

안녕하세요 코딩하는 덕구입니다.

저의 경험이 다른 분들에게도 도움이 되길 바라며

그 어떤곳에서도 공개하지 않았던 저의 삼성전자 SW 최종합격 자소서를 가감없이 공개합니다.

 

제2조(정의) 이 법에서 사용하는 용어의 뜻은 다음과 같다. <개정 2009. 4. 22., 2011. 6. 30., 2011. 12. 2., 2016. 3. 22.>

"저작물"은 인간의 사상 또는 감정을 표현한 창작물을 말한다.

해당 자소서의 모든 저작권은 저에게 있습니다. 불법 복제나 상업적 이용을 절대 금지합니다.

 

1. 삼성전자를 지원한 이유와 입사 후 회사에서 이루고 싶은 꿈을 기술하십시오.
700자 이내 (영문작성 시 1400자)

삼성전자의 위기를 기회로 성장하는 모습, 최고 지향의 모습이 저의 성장 가치관과 일치하고, 삼성전자 S/W 업무가 저의 알고리즘, 데이터마이닝, AI 역량을 가장 잘 발휘할 수 있는 분야라고 생각해 지원했습니다. 이러한 프로그래밍 역량을 토대로 혁신센터를 대표하는 S/W 엔지니어로 성장하고 싶습니다.
학부 시절 데이터마이닝, 기계학습을 수강하며 배운 기법들이 창의적이어서 재밌었습니다. 또한 산학실전캡스톤 대회에도 참가하며 CNN을 기반으로 AI S/W를 개발해 교내 대회에서 수상하며, AI 분야에 기초를 쌓고, 기술 블로그에 AI 관련 콘텐츠도 꾸준히 올려 학습했습니다.
기술 블로그를 운영하며 배운 파운드리 산업의 핵심은 초미세공정과 높은 수율입니다. 삼성전자의 4nm, 3nm 공정은 TSMC에 비해 아직 수율이 낮습니다. 하지만 현재 3nm 공정에서 시행착오를 각오하며 새로운 기술을 도전하고, 3nm에서 적용해 본 GAA 공정의 노하우를 통해 2nm 공정 시대에 글로벌 1위 기업을 목표하는 것을 보며, 생산 중에 발생한 데이터를 연구해 공정을 개선하는 스마트팩토리 구축 업무의 중요성을 느꼈습니다. 해당 업무가 AI 분야를 학부 시절부터 꾸준히 공부해 온 저의 적성과 일치해 지원했고, 삼성전자 S/W 개발자로서 데이터 분석 및 AI 학습으로 반도체 수율을 높이는 알고리즘을 연구·개발하여 초미세공정 수율 향상에 기여하겠습니다.

2. 본인의 성장과정을 간략히 기술하되 현재의 자신에게 가장 큰 영향을 끼친 사건, 인물 등을 포함하여 기술하시기 바랍니다. (※작품 속 가상인물도 가능)
1500자 이내 (영문작성 시 3000자)

[성실함의 힘]
성실함의 가치를 깨닫게 된 건 일했던 독서실 사장님의 일자리 제안 덕분이었습니다. 
 사업가이신 아버지는 무슨 일이 있어도 새벽에 운동을 마치고 출근하셨습니다. 
초등학생 시절부터 아버지를 따라 새벽 수영을 다녔고, 10년이 넘은 지금까지도 매일 꾸준하게 운동하며, 꾸준함과 성실함은 자연스럽게 삶의 자세가 되었습니다.
 이러한 삶의 태도는 본인만 생각하는 게으름에서 벗어나 작은 알바를 하더라도 최선을 다하는 마음을 갖게 했습니다. 비가 오면 매장 내부가 젖지 않도록 종이상자를 매장 입구 바닥에 미리 깔아놓고, 초코볼을 많이 채우면 무너져 조금씩 자주 리필해야 하는 초코볼 디스펜서 뒷부분을 청 테이프로 고정하는 등, 시키지 않아도 다양한 방법으로 더 나은 서비스를 제공하기 위해 노력했습니다. 
 어느 날, 새로운 매장을 하신다며 해당 매장을 운영해 보는 게 어떻겠냐는 사장님의 말씀에 저의 열정을 인정받았다고 느꼈고, 학업과 병행하기 힘들 것 같아 제안은 거절했지만 앞으로 어려운 일도 성실하고 꾸준하게 하면 된다는 용기를 얻었습니다.

[배려와 소통의 중요성을 깨닫다]
열정의 가치를 느끼며 생긴 자신감은 두려운 일에 대한 도전정신과 추진력으로 발전했지만, 배려와 소통의 부재로 이어지기도 했습니다.
 영어 실력 향상을 위해 말레이시아로의 교환학생을 떠났습니다.
현지 수업 중 기업에서 활용할 만한 프로그램을 제작하는 조별 과제를 받았습니다.
열심히만 하면 괜찮다는 자신감으로 조장에 지원했고, 조원인 이집트 친구, 필리핀 친구에게 
각각 주제 선정, PPT 만들기의 역할을, 저는 발표를 맡기로 결정했습니다.
하지만 발표 당일 필리핀 친구의 복수로 PPT는 뒤집혀있었고, 결국 뒤집어진 PPT로 발표했습니다. 남을 배려하지 않고 멋대로 역할을 정해버린 거만했던 날을 반성했고, 앞으로 충분한 대화를 통해 상대방의 입장을 고려하겠다고 결심했습니다.
이후 OSS 개발 과목에서 챗봇을 팀 3명이 개발하는 과제를 받았습니다. 
기존에는 모여서 코딩했었지만, 제가 교통사고로 2주간 입원을 하며 갈등이 생겼습니다.
저는 같이 참여하고 싶어 github, slack을 이용해 보자고 제안했지만, 나머지 2명은 새로운 걸 익히는 부담감에 저를 제외하고 싶어 했습니다.
 교환학기 중 실수했던 경험을 바탕으로 상대방의 마음을 이해하려고 노력했습니다. 먼저 새로운 걸 익히는 것은 쉽지 않다고 공감한 후, 결국 2명보다 3명이 분업하는 게 장기적으로 좋다는 점, 3명이 동시에 작업할 수 있다는 점, 현업에서도 원격저장소를 많이 쓴다는 점을 강조하며 함께 학습할 수 있도록 나아갔습니다.
 상대방의 입장을 고려한 소통 끝에 모두가 만족하는 방향으로 프로젝트를 지속할 수 있게 되었고, 교통사고라는 안 좋은 상황에서도 자동화를 통해 생산성을 높였다는 교수님의 평가와 함께 해당 과목을 A+의 좋은 성적으로 마무리했습니다.

 

3. 최근 사회 이슈 중 중요하다고 생각되는 한 가지를 선택하고 이에 관한 자신의 견해를 기술해 주시기 바랍니다.
1000자 이내 (영문작성 시 2000자)

[인간의 성격과 음성까지 복제하는 Chatbot의 등장]
미국의 한 스타트업은 인물의 성격, 목소리를 학습해 SNS와 같은 사이트에서 실시간으로 채팅하는 것을 넘어 통화까지 가능한 봇을 만드는 서비스를 합니다. 이러한 정신 복제 기술은 사회에 미칠 수 있는 긍정적인 면과 부정적인 면이 공존합니다.

 먼저 정신 복제 기술의 긍정적 영향으로 교수, 운동 코치, 의사 등 전문적인 지식을 다른 사람들에게 전달하는 직업을 가진 사람들은 본인의 성격, 지식 등을 학습시켜 많은 사람에게 전달하는 방식으로 생산성을 크게 높일 수 있습니다. 또한 더 이상 만나지 못하는 사람을 복제해 그리움을 해소하고 추억을 지속하도록 도와 사람들의 상처를 따뜻하게 보듬어 줄 수 있습니다.

 반대로 부정적인 논란도 존재합니다. 첫째로는 보이스피싱과 같은 사기입니다. 가까운 지인의 성격, 목소리, 얼굴을 사칭하여 개인정보 노출, 프라이버시 침해와 함께 심각한 금전적인 피해를 줄 수 있습니다.
 둘째로, 방대한 데이터를 학습하는 인공지능 모델 특성상 개인정보 노출 위험이 높은데, 성격 복제 기술은 본인의 개인정보를 넘어 타인의 개인정보까지 함부로 노출할 수 있다는 점이 더욱 우려됩니다.

 사칭을 통한 피해가 발생하지 않도록 모델이 답변을 자동으로 검토하게 개발하여 사칭, 개인정보 요구 등과 같은 비윤리적인 생성은 제한해 불법적인 활동을 차단하고, 개인정보 노출 위험을 최소화하기 위해 개발자와 기업은 학습데이터에서 개인정보를 삭제하거나 해시와 같은 암호화 기법을 활용해 개인정보 노출 위험을 줄이며, 개인은 스스로 의식하고 선택하여 개인정보를 공개하도록 노력하고 발전해야 합니다.

 

4. 지원한 직무 관련 본인이 갖고 있는 전문지식/경험(심화전공, 프로젝트, 논문, 공모전 등)을 작성하고, 이를 바탕으로 본인이 지원 직무에 적합한 사유를 구체적으로 서술해 주시기 바랍니다. 1000자 이내 (영문작성 시 2000자)

[지속적 통합 환경 구축]
Chatbot 개발 당시 3명이 코드를 두서없이 merge 하며 잦은 충돌로 비용이 많이 들었습니다.
 해결을 위해 기술 블로그에서 3가지 방법을 학습했습니다.
먼저 Code Covention을 Eslint로 적용했습니다.
두 번째 방법으로 main에서 branch를 분기시켜 개발하고, main에 병합 전 pull 하여 충돌을 예방했습니다. 셋째로 husky와 mocha로 commit마다 Eslint, test 통과가 안 되면 commit을 막도록 자동화해 생산성을 기존 대비 2배 이상 높였습니다.

[추천시스템 구현]
 user 별 영화평가 정보가 담긴 CSV 파일을 numpy로 변환했습니다. 평가 행렬을 SVD 분해 후 item embedding (900 * k), user embedding (k * 1700) 매트릭스를 얻었고 이를 내적하여 평점을 예측했습니다.
 모델 성능을 높이기 위해 다양한 k 값을 넣어보고 가장 RSME가 가장 낮은 경우를 찾아 2.59 RSME를 얻었습니다. 돌이켜 생각해 보면 해당 모델은 missing value를 0으로 생각하고 예측하기 때문에 정확도가 낮고, 이 부분을 개선하면 훨씬 성능 좋은 모델 개발이 가능할 것 같습니다.

[AI 차종분류기 개발]
차종분류기는 CNN을 통해 개발했습니다. 특징 추출(map)을 위한 convolution과 pooling layer를 쌓고 flatten 후 분류를 위한 dense layer를 연결해 CNN 모델을 구현했습니다. training set 354,669장, validation set 29,552장 으로 학습하고, test 59,114장으로 테스트한 결과 0.97의 높은 accuracy를 달성했고, 산학실전캡스톤 경진대회에서 우수상을 받았습니다.

CI 자동화 구축 경험과 문제해결을 위한 AI 모델 개발 및 개선 경험을 통해 공정 중 발생하는 데이터를 수집하고, 공정 최적화 AI 알고리즘을 연구하여 반도체 생산 수율을 높이는 S/W 개발자가 되겠습니다.

 

제가 운영하는 카톡방입니다. 궁금한게 있으시다면 댓글보다는 카톡이 빠를겁니다. 자유롭게 취업, 개발 관련 이야기 나눠요!

https://open.kakao.com/o/guGhqGAg