https://community.linkareer.com/STEM_mentoring/6188041
안녕하세요. 지거국 컴퓨터공학과 3학년 학부생입니다.
최근 응용 머신러닝 관련 연구실에 학부연구생으로 컨택을 진행하고 있습니다.
다만 저는 새로운 모델을 연구·개발하는 리서치보다는, 기존 머신러닝 모델을 실제 서비스나 산업 현장에 적용하고 시스템에 붙여 파이프라인을 구축하는 응용 머신러닝 엔지니어(ML Engineer/MLOps 성격의 업무에 더 관심이 있습니다.
특히 AI 서비스 기업보다는 제조업, 스마트팩토리, 농업, IoT 등 산업 분야에서 머신러닝을 활용하는 직무에 관심이 있습니다.
취업 공고를 찾아보면 머신러닝 엔지니어 직무는 대부분 석사 이상 또는 경력직을 요구하는 경우가 많아서 고민이 됩니다.
그래서 궁금한 점이 있습니다.
- 제조업이나 스마트팩토리, 농업, IoT 분야의 응용 머신러닝 엔지니어도 석사가 있어야 취업이 수월한 편인가요?
- 학사 신입으로도 실제 채용이 이루어지는 편인지, 아니면 대부분 석사 이상을 선호하는 분위기인지 궁금합니다.
- 만약 학사 취업도 가능하다면, 어떤 경험이나 프로젝트를 갖추면 경쟁력이 있을까요?
추가로 하나 더 고민이 있습니다.
저는 현재 3학년까지는 Java + Spring 기반 백엔드 개발자를 목표로 준비해 왔습니다.
만약 머신러닝 모델을 산업 현장에 적용하는 포지션을 목표로 한다면, 지금부터는 백엔드 공부를 줄이고 Python이나 MLOps 관련 스택으로 방향을 완전히 전환하는 것이 맞을까요?
아니면 백엔드 경험도 충분히 도움이 되므로 병행하는 것이 좋을까요?
실무에 계신 분들이나 해당 분야로 취업하신 분들의 의견을 듣고 싶습니다. 감사합니다.
추천을 눌러 베스트로 올려주세요!
신고하기
작성자cheole
신고글응용 머신러닝 엔지니어도 석사가 필수인가요?
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.
멘토 지니컴퍼니
채택률 48%
답변수 6,428
케이티
데이터 분석
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.
멘토 마케터
채택률 25%
답변수 3,633
비상교육
마케팅전략/기획
석사가 유리한 건 모델 연구 직무라고 생각해요.
산업 적용·MLOps는 학사 채용도 있습니다.
실제로 학사 이상 공고도 있고 백엔드는 버리지 마세요.
파이썬, Docker, 클라우드를 더해 센서데이터 수집부터 API 배포까지 완성한 프로젝트가 있다면 가장 좋습니다.
석사가 유리한 건 모델 연구 직무라고 생각해요.
산업 적용·MLOps는 학사 채용도 있습니다.
실제로 학사 이상 공고도 있고 백엔드는 버리지 마세요.
파이썬, Docker, 클라우드를 더해 센서데이터 수집부터 API 배포까지 완성한 프로젝트가 있다면 가장 좋습니다.
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.
멘토 iris
채택률 18%
답변수 1,823
카카오스타일
데이터 분석
학사만으로도 제조업·스마트팩토리·IoT 분야의 응용 ML 엔지니어 취업은 충분히 가능합니다. 다만 새로운 모델을 연구하는 역할은 석사 비중이 높고, 모델을 서비스에 배포하고 운영하는 역할(MLE/MLOps)은 학사 채용도 꾸준히 있습니다.
오히려 이 분야에서는 백엔드 역량이 큰 장점이 됩니다. 모델을 만드는 것보다 API로 서빙하고, 데이터 파이프라인을 구축하고, 운영 환경에 배포하는 일이 많기 때문입니다.
따라서 지금은 Spring을 버리고 Python으로 완전히 갈아타기보다는 병행하는 것을 추천합니다. Java/Spring + Python + Docker + Linux + SQL 정도를 갖추면 경쟁력이 높아집니다.
학부연구생도 도움이 되지만, 연구 성과보다 실제 배포 경험이 더 중요합니다. 예를 들어 데이터 수집 → 학습 → API 서빙 → Docker 배포 → 모니터링까지 구현한 프로젝트가 있으면 좋은 평가를 받을 가능성이 높습니다.
결론적으로 리서치보다 엔지니어링에 관심이 있다면, 백엔드 역량을 유지하면서 MLOps와 Python을 확장하는 방향이 가장 현실적이고 취업 시장에서도 경쟁력이 있는 선택입니다.
학사만으로도 제조업·스마트팩토리·IoT 분야의 응용 ML 엔지니어 취업은 충분히 가능합니다. 다만 새로운 모델을 연구하는 역할은 석사 비중이 높고, 모델을 서비스에 배포하고 운영하는 역할(MLE/MLOps)은 학사 채용도 꾸준히 있습니다.
오히려 이 분야에서는 백엔드 역량이 큰 장점이 됩니다. 모델을 만드는 것보다 API로 서빙하고, 데이터 파이프라인을 구축하고, 운영 환경에 배포하는 일이 많기 때문입니다.
따라서 지금은 Spring을 버리고 Python으로 완전히 갈아타기보다는 병행하는 것을 추천합니다. Java/Spring + Python + Docker + Linux + SQL 정도를 갖추면 경쟁력이 높아집니다.
학부연구생도 도움이 되지만, 연구 성과보다 실제 배포 경험이 더 중요합니다. 예를 들어 데이터 수집 → 학습 → API 서빙 → Docker 배포 → 모니터링까지 구현한 프로젝트가 있으면 좋은 평가를 받을 가능성이 높습니다.
결론적으로 리서치보다 엔지니어링에 관심이 있다면, 백엔드 역량을 유지하면서 MLOps와 Python을 확장하는 방향이 가장 현실적이고 취업 시장에서도 경쟁력이 있는 선택입니다.
사유선택
허위 신고의 경우 서비스 이용제한과 같은 불이익을 받으실 수 있습니다.