AI/ML 엔지니어 코딩 테스트 합격을 위한 머신러닝 시스템 디자인부터 기술 면접 준비까지

얼마 안 남았습니다!
지금이 가장 저렴해요.

본 강의는 3월 30일에 신규 런칭한 강의로 
사전 구매하신 분들께 얼리버드 혜택을 제공하고 있습니다.

얼리버드

26년 4월 13일 ~ 4월 26일까지

정가 490,000원

판매가 269,000원

12개월 할부 적용시

월 22,500원

정가

490,000원

AI/ML 엔지니어 코딩 테스트,
개발자 코딩 테스트와 어떤 점이 다를까요?

코딩 테스트 + 머신러닝 시스템 디자인 + 라이브 코딩 꿀팁까지 모두 다루는

강사 소개

빅테크 네이버와 쿠팡 출신 및
ML 엔지니어 면접관으로서 다수 경험을
보유하고 계신 강사님과 함께 강의를 진행합니다.

안녕하세요, 여러분.
저는 10년간 검색 랭킹, 추천 시스템, ML 인프라를 설계하고 운영해온 엔지니어 입니다.

수천만 사용자가 매일 사용하는 검색 결과의 순서를 정하고, 상품 추천 모델을 개선하고,  A/B 테스트로 비즈니스 임팩트를 측정하는 일을 해왔습니다.  현재는 이커머스 추천 시스템의 ML 파이프라인을 설계하고 운영하고 있습니다.

ML/AI Engineer 면접을 준비하면서 이런 고민을 하셨을 겁니다:

 "시스템 디자인 면접, 도대체 뭘 어떻게 준비하지?"
"이론은 아는데 면접에서 구조적으로 답변하는 법을 모르겠다"
"한국어로 된 ML 시스템 디자인 강의가 왜 없을까?"

 저도 여러 번 이직 면접을 보면서 같은 고민을 했습니다.
 시스템 디자인 면접은 체계적인 프레임워크 없이 준비하면 매번 다른 답변을 하게 되고,  면접관의 꼬리질문에서 막히게 됩니다.

이 강의에서는 제가 실제 면접에서 사용했던 7단계 시스템 디자인 프레임워크와,  네카라쿠배에서 실제로 만드는 8개 시스템의 설계 패턴을 알려드립니다.  "추천 시스템을 설계해보세요"라는 질문에 체계적으로 답변하는 법,  면접관의 5단계 꼬리질문에 흔들리지 않는 법을 배울 수 있습니다.

면접 준비는 혼자 하면 방향을 잡기 어렵습니다.  이 강의가 여러분의 합격까지의 거리를 줄여드리겠습니다.

선착순 얼리버드 혜택

선착순 딱 100분을 모시고, 
‘네이버’ 와 ‘쿠팡’ 합격의 뒷이야기를 공개합니다.

⚠ [마감 임박] 얼리버드 혜택은 4/12(일) 23:59에 종료됩니다 ⚠

학습 커리큘럼

공통 기술 면접 유형부터 라이브 코딩 및
면접관과 소통하며 코딩 테스트를 진행하는 방법을 학습합니다.

맞춤형 로드맵

신입부터 시니어까지 빠짐 없이 수강할 수 있게
Two-Track으로 준비했습니다!

네이버, 카카오, 라인, 쿠팡, 토스 등 주요 박테크 기업에서
출제하는 대표 8개 코딩 테스트 과제 유형을 학습합니다.

학습 내용 (1)
대표 8개 머신러닝 & AI 코딩 테스트 문제 유형을 배우고 직접 설계

학습 내용 (2)
코딩 테스트에서 면접관의 꼬리 질문에 대응하기 위한 5-Layer Drill Down 학습

ㅣ 코딩 테스트 예시 문제

1억 명의 유저에게 1초 안에 타겟 맞춤 동영상을 추천할 수 있는 시스템을 설계하세요.

기업의 도메인, 팀 상관 없이 AI/ML 엔지니어라면 반드시
알아야 하는 대표 36개의 면접 문항을 학습합니다.

카테고리 1 ㅣ 모델 기초 & 원리
모델의 기본 학습 원리와 구동 매커니즘을 이해하였는지 확인하기 위한 6가지 질문 유형을 학습합니다.

카테고리 2 ㅣ 메트릭 & 평가
데이터 기반 의사결정 및 가지 검증 역량을 확인하기 위한 6가지 질문 유형을 학습합니다.

카테고리 3 ㅣ 모델 학습 & 최적화
주어진 자원 내에서 모델 성능을 빠르고 안정적으로 극대화하는 역량을 검증하기 위한 6가지 질문 유형을 학습합니다.

카테고리 4 ㅣ 추천 & 검색
추천 및 검색 시스템 설계와 정교한 랭킹 최적화 역량을 검증하기 위한 6가지 질문 유형을 학습합니다.

카테고리 5 ㅣ LLM & GenAI
LLM과 생성형 AI 시스템을 설계 및 최적화할 수 있는 역량을 검증하기 위한 6가지 질문 유형을 학습합니다.

카테고리 6 ㅣ Data & MLOps
데이터 관리부터 성능 모니터링까지 실제 서비스 환경에서 AI 모델을 운영 역량을 검증하기 위한 6가지 질문 유형을 학습합니다.

핵심 4가지 ML 알고리즘을 수도 코드로 구현하고 이를
라이브 코딩 면접까지 적용 해 보는 방법을 학습합니다.

학습 내용 (1)
면접 단골 4가지 ML 알고리즘 핵심 로직을 pseudo 코드로 구현하는 방법 학습

학습 내용 (2)
구현한 pseudo 코드를 면접관 앞에서 설명하면서 소통하기 위한 2가지 과정 학습

빅테크 대표 8가지 코딩 테스트 문제 유형을 구현하기
위해 필요한 2가지 기본기를 학습합니다.

학습 내용 (1)
7단계의 ML 시스템 디자인 프레임워크 설계

l 예상 시나리오 :

동영상 추천 시스템을 설계 해보세요.

학습 내용 (2)
의사결정 선택의 근거를 설명하기 위한 5가지 요소 학습

유저가 가장 좋아할만한 아이템의
순위를 어떻게 매길까?

| ML 인프라 레퍼런스 테이블
Faiss(ANN 검색), Triton/ vLLM(모델 서빙), Redis(캐시)
| 학습 내용
∙ 수억 개의 임베딩 벡터 중 유사한 후보군을 밀리초(ms) 단위로 찾아냅니다.
∙ Ranking 단계에서 무거운 딥러닝 모델을 효율적으로 돌려 점수를 매깁니다.
∙ 실시간 데이터를 빠르게 조회하여 최종 필터링을 수행합니다.
∙ 활용 분야 : 추천, 검색, 피드, 광고 공통

유저 / 아이템 / 콘텐츠를
어떻게 벡터로 표현할까?

| 핵심 기술 키워드
Spark(배치 처리), Elasticsearch(검색 엔진), PostgreSQL(메타 데이터)
| 학습 내용
∙ 수천만 개의 상품 정보를 한꺼번에 임베딩 벡터로 변환하는 대규모 연산을 수행합니다.
∙ 생성된 임베딩과 텍스트 정보를 함께 저장하여, 키워드 검색과 벡터 검색을 동시에 지원합니다.
∙ 임베딩된 아이템의 실제 이름, 가격, 카테고리 등 상세 정보를 매칭해 저장합니다.
∙ 활용 분야 : 추천, 검색, 광고

학습과 서빙 사이의 데이터 일관성을
어떻게 유지할까?

| 핵심 기술 키워드
Feast, Redis(Online), Big Query(Offline)
| 학습 내용
∙ 온/오프라인 피쳐의 인터페이스를 통합합니다.
∙ 유저가 서비스에 접속했을 때 빠르게 피쳐를 뽑아 서빙 모델에 전달합니다.
∙ 과거 몇 년 치의 방대한 피쳐 데이터를 저장해두고 모델 학습용으로 공급합니다.
∙ 활용 분야 : 토스 및 쿠팡 사례

실험 설계와 통계 검정은
어떻게 진행할까?

| 핵심 기술 키워드
MLFlow(실험 관리), Big Query(분석)
| 학습 내용
∙ 어떤 모델 버전이 A안이었고, 어떤 파라미터를 썼는지 기록하고 관리합니다.
∙ A안과 B안을 본 유저들의 행동 로그를 모아 통계적 유의성(p-value 등)을 계산합니다.
∙ 활용 분야 : 공통

실시간으로 발생하는
유저의 반응은 어떻게 수집할까?

| 핵심 기술 키워드
Kafka(이벤트 수집), Flink(실시간 집계), Airflow(워크플로우)
| 학습 내용
∙ 유저의 클릭, 스크롤, 구매 데이터를 실시간으로 빨아들이는 방법을 학습합니다.
∙ Kafka로 들어오는 Raw 로그를 "이 유저가 지난 5분간 클릭한 카테고리"와 같은  피쳐로 실시간 가공합니다.
∙ 수집된 데이터를 바탕으로 매일 밤 모델을 자동으로 재학습(Retraining)시키는  스케줄링을 구성합니다.
∙ 활용 분야 : 추천, 검색, 피드

* 2026년 6월 26일 (금) 강의 최종 오픈일에 맞춰서 제공될 예정입니다.

수강생 한정 강의 관련 오픈 커뮤니티 질의응답까지!
강사님과 무한 질의응답이 가능합니다

1) 실습 중 에러가 나면? 질의응답 채널을 통해 빠른 해결!
2) 강의를 듣다가 이해되지 않는 부분이 생기면 바로 질문하세요!

* 강사님께서 직접 질문에 답변해주시는 기간은 2026년 5월 8일 ~ 2029년 2월 11일까지 운영되며
 그 이후에는 패스트캠퍼스 AI 기능을 활용하여 질문에 답변 받으실 수 있습니다.
* 강사님이 현업 중 답변 하시기에 답변까지 영업일 기준 7일 내외 시간이 소요될 수 있습니다.
* 강의와 무관한 질문에 대해서는 답변이 필수로 제공되지 않습니다.

한 번의 구매로 평생 소장!
언제든, 몇 번이든 다시!

한 번 결제로 평생 동안 무제한 반복 학습이 가능합니다. 바쁜 일정에 걱정할 필요 업싱, 원하는 때에 학습하고 필요할 때마다 복습하세요.

Question.1
어떤 분들이
수강하시면 좋을까요?

· 취업을 준비하시는 분 : CS/ML 전공 졸업 후 첫 ML/AI Engineer 포지션을 준비
· 이직을 준비하시는 분 : ML/AI 관련 업무 경험이 있는 현업 엔지니어 (주니어 ~ 시니어)
· 직무 전환을 준비하시는 분 : 데이터 사이언티스트 / 백엔드 엔지니어로 일하면서 AI/ML  Engineer로 전환
· 해외 취업 도전을 준비하시는 분 : 해외 빅테크 AI/ML 포지션을 준비하는 분

Question.2
강의를 수강하고 나서
어떤 지식을 학습할 수 있나요?

이론 면접
· (Before) "Overfitting이요... 음... 학습이 너무 잘되는 거?" 수준에서 답변합니다.
· (After) "Bias-Variance Trade-off 관점에서 설명하고, 실무에서
 Early Stopping과 Dropout을 함께 썼던 경험"까지 답변 가능합니다.

시스템 디자인
· (Before) "추천 시스템이요... CF로 하면 되지 않나요?" 수준에서 답변합니다.
· (After) 7단계 프레임워크로 체계적 설계 + Layer 5 수준인
 규모/실시간/비즈니스 등 트레이드오프 Layer 5 수준까지 고려해서 답변 가능합니다.

코딩 면접
· (Before) "sklearn.fit() 하면 되는 거 아닌가요?" 수준에서 코딩 테스트를 진행합니다.
· (After) Logistic Regression, Decision Tree 등의 핵심 로직을 수도코드로 설명하며  코딩 테스트를 진행합니다.

라이브 코딩(면접 소통)
· (Before) 침묵 속 코딩, 시간 초과하며 합격이 어려워집니다.
· (After) Think Aloud + 구조적 접근 + 면접관과 실시간 소통하며 라이브 코딩 테스트를 진행합니다.

Question.3
강의 내 실습을 통해 어떤 것들을
배울 수 있나요?

Part 1 → 이론 면접을 체계적으로 대비할 수 있습니다.
· ML/AI 기술 면접에서 반복 출제되는 핵심 50문항을 "정의 → 직관 → 예시 →  실무 적용"까지 고려해서 답변하는 방법을 학습합니다.
· 면접관이 "합격"을 주는 답변 패턴과 "불합격" 답변 패턴의 차이를 학습합니다.

Part 2 → 코딩 테스트에서 대표적으로 출제되는 8가지 유형의   ML 시스템 디자인 설계가 가능합니다.
· 동영상/상품 추천, 검색/피드 랭킹, CTR 예측, 이상거래 탐지, LLM 대화 시스템,  AI Agent까지 8개 시스템이 실제 코딩 테스트에서 나올 시 유형을 파악하여  문제를 해결할 수 있습니다.
· 5-Layer Drill-Down (기본→규모→엣지→실시간→비즈니스)으로 면접관의  꼬리질문 3단계까지 대응하는 방법을 학습합니다.
· Kafka, Redis, Spark, Faiss, vLLM 등 실제 기업이 사용하는 기술 스택을  아키텍처에 자연스럽게 배치하는 방법을 학습합니다.

Part 3 → 라이브 코딩 준비 방법과 실전 면접 노하우를 학습할 수 있습니다.
· ML 핵심 원리 4가지 주제를 면접 실전 수준(수도코드 10~20줄)으로 설명하는  방법을 학습합니다.
· 실전 모의 면접 시뮬레이션: Think Aloud, 시간 배분, 면접관과의 소통 전략을  학습합니다.
· ML 코딩 문제에서 Follow-up 꼬리질문(정규화 추가, 분산 학습 확장 등)에  구술로 대응하는 방법을 학습합니다.

Question.4
필요한
선수지식이 있을까요?

· Python 프로그래밍(중급 이상 → 함수, 클래스, 리스트/딕셔너리를 자유롭게 활용 가능)
· AI/ML 관련 실무 경험 혹은 학습 경험 필요(Overfitting/Underfitting,  Gradient Descent, Train/Test Split 등 기본 개념 이해가 필요합니다.)
· 수학 이해 : 선형대수(행렬 곱셈), 확률/통계(평균, 분산, 조건부 확률), 미분(편미분 개념) 을 이해하고 있어야 합니다. 수식을 직접 유도하진 않지만 직관적으로 이해해야 하는  부분이 있습니다.
· 딥러닝(기본 개념 권장) : 신경망, 역전파, CNN/RNN 개념을 이해하고 있으면 더 좋습니다.

Question.5
실습 환경

· Python Jupyter Notebook 3.10 + 버전에서 수도코드 작성

Fast Campus