자소서 항목 질답

• 질문쿠팡에 지원한 동기는 무엇인가요? (1000자) 보기

  [Get on a rocket ship]
  많은 다른 사람들처럼 저도 처음에는 쿠팡을 그냥 소셜 쇼핑 사이트 중 하나라고만 생각했었습니다. 하지만 현재 쿠팡에 근무 중인 연구실 선배가 학교로 리쿠르팅을 오게 되면서 쿠팡이라는 회사에 대해 자세히 알게 되었습니다.
  
  전산을 전공하고 개발자를 꿈꾸는 학생으로서, 쿠팡의 애자일 개발 문화는 정말 매력적으로 느껴졌습니다. 그리고 로켓 배송이라는 파격적인 서비스를 비롯한 자체 물류 센터, 모든 솔루션 자체 개발 등등의 독특한 환경은 제가 쿠팡을 `로켓`으로 판단하게 하기 충분했습니다. 저에게 기회가 주어진다면, 꼭 올라타서 함께 우주로 날아가고 싶습니다.
  
  [Data-driven paradigm]
  석사과정에서 데이터를 분석하고 다루는 연구를 하고 있습니다. 저의 연구 주제는 추천 시스템을 통해 사물인터넷 환경에서 사용자에게 서비스를 추천하기 위한 방법을 찾는 것입니다. 이 과정에서 다양한 도메인의 데이터셋을 분석하고 연구하고 있습니다.
  
  하지만 항상 데이터를 구하는 일에서부터 어려움을 겪고 있으며, 힘들게 구한 데이터의 규모가 너무 작아서 아쉬웠던 적도 많습니다. 현재 쿠팡은 우리나라 최대의 소셜 쇼핑 업체일 뿐만 아니라 거대한 물류센터를 전국 규모로 운영하는 물류/배송업체이기도 합니다.
  
  실시간으로 사용자 데이터, 물류 데이터, 배송 데이터가 쌓이고 있으며 이 거대한 데이터를 분석하고 다루는 일은 회사와 개발자 모두에게 정말 값진 기회가 될 것입니다. 제가 연구를 하면서 겪은 데이터와 관련된 아쉬움은 쿠팡과 함께한다면 모두 해결될 수 있습니다.

• 질문다양한 직업 중에 S/W 개발자가 되려는 이유는 무엇인가요? (1000자) 보기

  [잠재력과 폭발력을 가진 S/W]
  S/W 개발자의 가장 큰 특징 중 하나는 개발할 때 필요한 도구를 직접 개발할 수 있다는 점입니다. 다른 공학 분야에서도 물론 하나의 문제를 해결하기 위해서 여러 Sub Problem들을 해결해야 하겠지만, 전산 분야에서는 이런 대부분의 문제 해결이 앉은 자리에서 키보드 하나로 끝날 수 있습니다.
  
  이러한 특징 덕분에 S/W 그 자체뿐만 아니라 개발 도구들도 함께 빠른 속도로 발달하게 되었고, 생산성 높은 프로그래밍 언어와 직관적인 개발 환경 등이 등장하면서 기하급수적인 기술 발달을 이룩해왔습니다. 그리고 어느 시점부터는 전 세계의 모든 산업 분야가 S/W 위주로 돌아가기 시작했습니다.
  
  쿠팡 또한 이런 흐름의 가장 대표적인 한 예로서, IT 사이트로 시작해 전자상거래와 유통 시장을 폭발적인 속도로 장악해나가고 있습니다. 이러한 S/W의 폭발력은 저에게 정말 매력적으로 다가왔고, 저의 미래를 위해서 꼭 S/W 개발자가 되어야겠다는 생각을 하게 되었습니다.
  
  [역동적 / 자율적 근무 환경]
  독일계 자동차 부품 업체에서 근무한 적이 있습니다. 임베디드 소프트웨어 개발자였지만 자동차 산업이라는 큰 제조업 분야에 속해 있었기 때문에 소프트웨어 개발자보다는 매니저의 임무에 더 가까웠습니다. 연봉과 안정성은 만족스러웠지만 경직된 문화와 유연하지 못한 업무 프로세스가 저에게 잘 맞지 않았습니다.
  
  한 번 완성한 프로그램을 실제 자동차에서 테스트하는 과정도 여러 결제 프로세스를 거쳐야 했고 그럴 때마다 좀 더 역동적인 환경에서 일하고 싶다는 생각을 많이 하였습니다. 군대와 같은 상명하복식 문화보다는 좀 더 개발자 개인의 자율성이 반영될 수 있으면 좋겠다는 생각도 했습니다. 그래서 좀 더 제가 원하는 모습의 S/W 개발자가 되기 위하여 대학원에 진학하였습니다.

• 질문웹 또는 앱 서비스를 직접 개발하거나, 데이터를 이용한 프로그래밍 경험이 있다면 이에 대해 구체적으로 서술하세요. (해당자에 한함) (2000자) 보기

  [추천 시스템 성능 향상]
  추천 시스템의 성능을 향상하는 방법에 대한 연구에 참여하였고 프로그램 구현을 담당하였습니다. 사용자에게 영화를 추천할 때, 기존 추천 시스템 알고리즘을 활용하지만, 거기에 추가로 영화의 출연 배우, 장르, 감독 정보까지 활용하여 성능을 좀 더 향상시켰습니다.
  
  그 과정에서 데이터셋을 작은 크기로 분해하고 다시 결합하는 알고리즘을 새롭게 제안하였고, 또한, 링크드 데이터를 통해 관련 정보를 얻는 방법을 익혔습니다. Netflix와 MovieLens의 데이터셋으로 성능을 증명하였고, 해당 논문은 2015년 World Wide Web 국제 학회에서 포스터로 발표되었습니다.
  
  [사물인터넷 환경에서의 서비스 추천]
  일상적으로 사용하는 사물들을 인터넷에 연결하여 다양한 서비스를 사용할 수 있게 하는 사물인터넷이 주목받고 있습니다. 하지만 너무 많은 수의 기기들이 한 공간에 존재하게 되면 어떤 서비스를 이용할 수 있는지, 어떤 서비스가 현재 상황에 적절한지를 판단하기 어려워지게 됩니다.
  
  이런 문제를 해결하기 위해 사물인터넷 환경에 추천 시스템을 도입하는 아이디어를 떠올리게 되었습니다. 기존의 추천 시스템은 사용자의 성향과 취향을 파악하기 위한 알고리즘이기 때문에 사물인터넷 환경에서는 적절하지 않았습니다.
  
  그래서 날짜, 요일, 시간, 온도, 날씨, 소음, 조명 등의 상황 정보를 종합하여 추천 시스템이 상황을 인지하게 하여 좀 더 정확하게 작동할 수 있도록 만들었습니다. 해당 논문은 제가 1 저자로 작성하였고, 2015년 국제 Web Engineering 학회에서 발표하였습니다.