신입/주니어에게 기대하는 역량 & RL 프로젝트를 진행하는 법

안녕하세요 태훈님, 신입/주니어 ML 엔지니어 포지션 채용과 강화학습에 대해 궁금한 점이 있어 질문드립니다!

먼저 ML 엔지니어 포지션으로 신입/주니어 학사졸을 채용할 때 어떤 점을 보는지, 어떤 스킬셋과 역량을 기대하는지가 궁금합니다.

포지션마다 다르겠지만, 강화학습을 예로 들면

1. 최신 Deep Reinforcement Learning 논문에 대한 지식 (여러가지 Exploration strategy, hierarchy, memory, imitation 등 다양한 분야 논문에 대한 지식)

2. Reinforcement Learning에 대한 수학적인 배경 (Q-learning variants의 수렴성 증명, TRPO 등 이론적으로 접근하는 논문의 증명 과정 이해)

3. 실제 구현을 위한 엔지니어링 기술 (AWS 상에 Scalable한 학습 환경 구축, CPU/GPU utilization 최적화 등)

4. 네트워크, 아키텍쳐, 알고리즘 등 CS 분야의 제너럴한 지식

등으로 스킬셋을 분류할 수 있을 것 같은데, 그 중 어느 쪽에 중점을 두어야 하는지, 그리고 지원자가 해당 능력을 갖추고 있는 것을 보통 어떻게 평가하는지(1번의 경우 깃헙에서 개인 프로젝트 진행, 4번의 경우 학부 평점, 알고리즘 대회 수상 등) 궁금합니다. 아무래도 몇몇 부분은 개인이 시도하기엔 리소스의 한계가 있을 것 같은데 이런 것이 고려되는지도 궁금합니다.

또 강화학습 프로젝트의 경우 도메인 전문가와 RL 엔지니어 여러명이 팀을 만들어 하면 좋겠지만, 실제로는 게임회사에서 한두명이 파일럿 프로젝트로 진행하는 경우가 많은데 이런 경우 어떤 방향으로 프로젝트를 진행해야 추후 커리어에 도움이 될 수 있을지 조언을 구하고 싶습니다.

예를 들어 도메인에 맞게 상태/보상 설계를 한다든지, 아니면 여러 알고리즘을 시도해본다든지, 스케일 아웃을 한다든지 여러 접근이 있을텐데 어느 쪽에 가중치를 두는 것이 좋을까요? 질문이 너무 두루뭉술한 것 같아 죄송합니다 ㅜㅜ.

이렇게 질문할 기회를 주셔서 감사드립니다!

No files, tests, or entry points are mentioned. The post asks broad career and reinforcement-learning project advice rather than proposing a defined repository change, so it has no concrete completion criterion.

Written by the indexing model from the issue text.