1. [SK플래닛 자소서] 생성형AI 활용 데이.hwp
2. [SK플래닛 자소서] 생성형AI 활용 데이.pdf

생성형 AI를 데이터 엔지니어링 업무에 어떻게 활용할 수 있다고 생각합니까?
저는 본 과정을 통해 생성형 AI를 단순한 생산성도구가 아니라 데이터 파이프라인과 분석업무를 고도화하는 보조엔진으로 활용하는 방법을 배우고 싶습니다.
수료 시점까지 만들고 싶은 대표 포트폴리오는 "생성형 AI를 활용한 데이터 파이프라인 및 리포트 자동화 프로젝트"입니다.
본 과정에서는 데이터 수집, 처리, 저장, 클라우드 기반 파이프라인, 생성형 AI 활용 프로젝트를 실습 중심으로 경험할 수 있다고 판단했습니다.
과정 수료 후에는 데이터 엔지니어 또는 AI 데이터 엔지니어 분야로 취업하고 싶습니다.
단순히 강의를 들었다는 기록이나 기술 목록이 아니라, 실제로 어떤 데이터를 수집하고, 어떤 방식으로 처리했으며, 어떤 저장 구조와 파이프라인을 만들었는지 설명할 수 있는 프로젝트를 완성하고 싶습니다.
특히 생성형 AI를 활용한 데이터 리포트 자동화 프로젝트를 만들어보고 싶습니다.
이 프로젝트를 통해 데이터 수집, 처리, 저장, 자동화, 활용까지 전 과정을 보여줄 수 있을 것입니다.

SK플래닛 생성형 AI 활용 데이터 엔지니어 3기에 지원한 이유는 무엇입니까?
제가 SK플래닛 생성형 AI 활용 데이터 엔지니어 3기에 지원한 이유는 데이터가 단순히 저장되고 조회되는 수준을 넘어, 기업의 의사결정과 서비스 자동화, AI 활용의 기반이 되는 시대에 실무형 데이터 엔지니어로 성장하고 싶기 때문입니다.
SK플래닛 T아카데미의 AI 활용 데이터 엔지니어 과정은 데이터 엔지니어링과 AI 활용 역량을 함께 키우는 실습·프로젝트 중심과정으로 소개되어 있으며, 2기 과정의 경우 데이터 엔지니어링, AI·머신러닝 분야 특화 과정으로 운영된 바 있습니다.
저는 본 과정을 통해 생성형 AI를 단순한 생산성도구가 아니라 데이터 파이프라인과 분석업무를 고도화하는 보조엔진으로 활용하는 방법을 배우고 싶습니다.
Python은 데이터 수집, 전처리, 자동화, 분석, 간단한 API 연동, 파일처리 등 다양한 작업에 활용할 수 있어 데이터 엔지니어링 학습의 핵심 언어라고 생각합니다.
Git은 단순히 코드를 올리는 저장소가 아니라 프로젝트 변경 이력을 관리하고, 협업 과정에서 충돌을 줄이며, 자신의 개발 과정을 증명하는 도구라고 생각합니다.
Notebook 환경은 코드 실행 결과와 설명을 함께 남길 수 있어 학습과 프로젝트 정리에 유용하다고 생각합니다.
다만 실무적인 데이터 엔지니어링에서는 Notebook만으로는 부족하기 때문에, Python스크립트 구조화, 모듈화, 환경 변수관리, 실행자동화 등도 학습할 계획입니다.
또한 Notion을 활용해 학습 내용을 정리하고 , 프로젝트 목적, 데이터 설명, 사용기술, 처리 과정, 결과, 한계점, 개선방향을 문서화하는 방식도 실천하고자 합니다.
본 과정에서 클라우드 기반 데이터 파이프라 인구축 프로젝트를 경험한다면, 로컬에서만 실행되는 코드가 아니라 실제 서비스 환경에 가까운 구조를 이해하는 데 집중하겠습니다.
그러나 실제로 작업을 시작하자 가장 큰 문제는 자료의 양이 아니라 자료의 형식과 기준이 서로 다르다는 점이었습니다.
처음에는 필요한 부분만 눈으로 확인하며 정리하려 했지만, 자료가 늘어날수록 수작업 방식은 한계가 분명했습니다.
누가 어떤 데이터를 만들고, 어느 단계에서 수정되며, 최종 결과물에는 어떤 기준으로 반영되는지 정리했습니다.
저는 프로젝트를 진행할 때 결과만 제출하는 방식보다 과정과 기준을 함께 설명하는 방식을 선호합니다.
현재 공개링크가 충분히 정리되어 있지 않다면, 저는 본 과정을 시작하기 전부터 학습기록과 프로젝트 기록을 체계적으로 정리하겠습니다.
데이터 엔지니어 직무에서는 단순히 "공부했다"는 말보다, 어떤 문제를 어떤 방식으로 해결했는지 보여주는 기록이 중요하다고 생각합니다.
예를 들어 데이터 수집 프로젝트라면 어떤 API를 사용했는지, 수집 주기는 어떻게 설계했는지, 실패시 예외 처리는 어떻게 했는지 설명하겠습니다.
따라서 단순 개념 정리보다 실제 오류 해결 과정, 시행착오, 비교분석을 중심으로 기록하겠습니다.
전체 프로젝트 중 어떤 부분을 담당했고, 어떤 문제를 해결했으며, 어떤 기술을 사용했는지 구체적으로 남기겠습니다.
본 과정을 통해 실질적인 결과물을 만들고, 과정 중 발생한 문제와 해결 과정을 기록하여 취업 가능한 포트폴리오로 발전시키겠습니다.
구체적으로는 데이터 파이프라인 구축, ETL/ELT 개발, 데이터 품질관리, 클라우드 기반 데이터 플랫폼 운영, AI 서비스 데이터셋 구축 및 운영과 관련된 분야로 진출하고 싶습니다.
수료 시점까지 만들고 싶은 대표 포트폴리오는 "생성형 AI를 활용한 데이터 파이프라인 및 리포트 자동화 프로젝트"입니다.
장기적으로는 데이터 엔지니어에서 데이터 플랫폼 엔지니어 또는 AI 데이터 엔지니어로 성장하고 싶습니다.
저는 데이터 파이프라인과 생성형 AI 활용을 함께 이해하 는 인재가 되어, 기업의 AI 전환을 실제 업무 성과로 연결하고 싶습니다.
따라서 수료 후에는 데이터 엔지니어 신입 또는 주니어 포지션에 지원해 실무 경험을 쌓고, 3년 내에는 하나의 데이터 파이프라인을 책임지고 운영할 수 있는 인재가 되고 싶습니다.
저는 이 과정을 통해 기술을 배우는 데서 그치지 않고, 취업 가능한 포트폴리오와 실무형 문제 해결 경험을 만들겠습니다.
SK플래닛 생성형 AI 활용 데이터 엔지니어 3기에 지원한 이유는 데이터 엔지니어링과 생성형 AI 활용 역량을 함께 갖춘 실무형 인재로 성장하고 싶기 때문입니다.
최근 기업들은 생성형 AI를 빠르게 도입하고 있지만, 실제로는 AI가 활용할 수 있는데이터가 정리되어 있지 않아 어려움을 겪는 경우가 많다고 생각합니다.
본 과정에서는 데이터 수집, 처리, 저장, 클라우드 기반 파이프라인, 생성형 AI 활용 프로젝트를 실습 중심으로 경험할 수 있다고 판단했습니다.
저는 단순히 기술을 배우는 데 그치지 않고, 수료 후 취업에 활용할 수 있는 포트폴리오와 실제 문제 해결 경험을 만들고 싶습니다.

데이터, 활용, ai, 프로젝트, 처리, 과정, 어떻다, 생, 싶다, 엔지니어, 성형, 분석, 정리, 이다, 생각, 만들다, 파이프라인, 보다, 방식, 경험