핵심 요약
일반 소프트웨어 엔지니어가 6개월간의 준비를 통해 엔비디아와 마이크로소프트 AI의 MLE/인프라 직군 합격 오퍼를 받아낸 과정과 최신 면접 트렌드를 공유했다.
배경
작년 말 조직 개편과 AI의 급격한 부상으로 인해 경쟁력을 유지하고자 일반 SDE에서 MLE 및 AI 인프라 역할로 직무 전환을 결심했다. 12월부터 코딩, 시스템 디자인, LLM 시스템 디자인 등을 준비하여 주요 빅테크 기업들과 면접을 진행했다.
의미 / 영향
SDE에서 MLE로의 전환은 단순 알고리즘 공부를 넘어 LLM 아키텍처와 실무 프로젝트 경험의 깊이가 핵심이다. 현재 AI 인프라 분야는 높은 보상과 함께 강도 높은 업무가 수반되는 경향이 뚜렷하다.
커뮤니티 반응
작성자의 성공적인 전환과 높은 연봉 오퍼에 대해 긍정적인 반응이 많으며, 구체적인 준비 방법과 면접 질문에 대한 추가 질문이 이어졌다.
주요 논점
01중립다수
AI 인프라로의 전환은 장기적으로 필수적이지만, 기존의 워라밸(주 35-40시간)을 포기해야 하는 기회비용이 존재한다.
합의점 vs 논쟁점
합의점
- 프로젝트 딥다이브가 기술 면접에서 가장 결정적인 역할을 한다.
- LLM 관련 시스템 디자인 지식은 이제 MLE 채용의 기본 요구사항이다.
실용적 조언
- LLM 시스템 디자인 공부 시 ChatGPT를 면접관으로 설정해 모의 면접을 진행하면 RAG와 추론 시스템 개념을 빠르게 익힐 수 있다.
- 과거 프로젝트의 기술적 의사결정 과정을 논리적으로 설명하는 연습이 알고리즘 문제 풀이보다 중요하다.
전문가 의견
- 최근 면접관들은 퍼즐 풀이보다 과거 프로젝트에서의 구체적인 역할과 의사결정 과정을 훨씬 중요하게 평가한다.
언급된 도구
LLM 시스템 디자인 학습 및 모의 면접 도구
PracHub추천
기업별 맞춤형 코딩 문제 연습
섹션별 상세
코딩 테스트는 리트코드(LeetCode) 쉬움 및 중간 난이도 문제와 기업별 맞춤형 문제에 집중했다. 시스템 디자인은 Alex Xu의 서적을 참고했으며, 생소했던 LLM 시스템 디자인 분야는 챗GPT(ChatGPT)를 활용해 모의 면접을 진행하고 RAG 파이프라인과 추론 시스템의 개념을 익히는 방식으로 학습했다.
엔비디아(Nvidia)로부터 원격 근무가 가능한 MLE 직군 오퍼를 받았으나, 현재 보상보다 낮은 약 43만 달러의 총보상(TC)과 주가 상승 여력 제한을 이유로 거절했다. 마이크로소프트 AI(MAI)에서는 초지능(Superintelligence)과 코파일럿(Copilot) 인프라 트랙 모두 합격했으며, 최첨단 모델 개발과 일치하는 초지능 트랙을 최종 선택했다.
최근 면접에서는 동적 계획법(DP) 같은 복잡한 알고리즘보다 스트림 처리나 토큰 구분자 처리와 같은 실무 중심의 코딩 문제가 주를 이루는 경향이 확인됐다. 또한 프로젝트 딥다이브(Project Deep Dive) 세션의 비중이 커지면서 단순 문제 해결 능력보다 과거 프로젝트에서의 의사결정 과정과 구체적인 역할에 대한 검증이 강화됐다.
실무 Takeaway
- 전통적인 알고리즘 문제보다 실무 응용 중심의 코딩 테스트 비중이 높아지고 있다.
- LLM 시스템 디자인과 RAG 파이프라인에 대한 이해가 MLE 면접의 필수 요소로 자리 잡았다.
- 프로젝트 딥다이브를 통해 지원자의 기술적 결정 근거와 소통 능력을 확인하는 것이 합격의 핵심이다.
- 엔비디아와 같은 빅테크 기업도 직무와 시장 상황에 따라 보상 체계가 기대와 다를 수 있다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료