개발도구 가이드
주요 기업별 AI 엔지니어 면접 질문 및 기술 가이드
pallavi-shekhar/ai-engineering-interview-questions-company-wise
GitHub주요 빅테크 기업 및 선도 연구소의 AI 엔지니어 면접 질문을 주제별/회사별로 총망라한 학습 가이드입니다.
세 줄 요약
- LLM의 내부 구조(어텐션 메커니즘)부터 추론 최적화 기법(PagedAttention, FlashAttention)까지 깊이 있는 기술 이해가 핵심입니다.
- 최신 기술 트렌드와 기업별 출제 경향을 파악하여, AI 엔지니어링 분야 취업 준비에 체계적인 로드맵을 제공합니다.
- 질문들은 공개된 경험을 바탕으로 하므로, 실제 면접 과정은 변동성이 크다는 점을 염두에 두고 참고 자료로 활용해야 합니다.
본 자료는 주요 빅테크 기업과 선도 연구소에서 진행되는 AI 엔지니어링 인터뷰에 대비하기 위해 제작된 종합 학습 가이드입니다. 이 가이드는 AI 엔지니어, 엔지니어, MLOps 엔지니어 등 다양한 역할을 대상으로 하며, 35개 회사에서 실제로 출제된 질문과 답변을 주제별로 정리했습니다.
면접 준비를 위한 핵심 기술 영역으로는 'LLM 내부 구조 및 아키텍처'가 있으며, 여기에는 스케일드 닷-프로덕트 어텐션, 의 메모리 문제, MQA/GQA 같은 효율화 기법 등이 포함됩니다. 또한, 추론 최적화(Inference) 영역에서는 FlashAttention이나 PagedAttention과 같이 성능을 극대화하는 기술들, 그리고 BF16, FP8 등 다양한 비교가 다루어집니다.
질문은 '회사 공통 질문' 섹션에서 먼저 학습할 수 있도록 구성되어 있으며, 여기서는 LLM의 핵심 원리부터 시작합니다. 이후 Anthropic, OpenAI, Google DeepMind, Meta와 같은 주요 기업별로 세분화된 주제(예: 및 검색, 활용)에 따른 회사 맞춤형 질문을 확인할 수 있습니다.
용어 풀이
- LLM
- 방대한 글을 학습해 문장을 이해하고 만들어 내는 AI 모델. ChatGPT, Claude, Gemini가 여기에 속해요.
- KV 캐시
- 모델이 앞에서 계산한 값을 저장해 두고 다음 토큰을 만들 때 다시 쓰는 메모리. 입력이 길수록 커져요.
- GPU
- 많은 계산을 한꺼번에 처리하는 칩. AI 학습과 실행에 가장 많이 써요.
- 양자화
- 모델 숫자의 정밀도를 낮춰 크기와 메모리 사용을 줄이는 기법. 품질이 조금 떨어질 수 있어요.
- RAG
- 답하기 전에 관련 문서를 찾아 그 내용을 근거로 답하게 하는 방법.
- 에이전트
- 목표를 받으면 스스로 계획을 세우고 도구를 써서 여러 단계의 작업을 해내는 AI.