1. 2026 동진쎄미켐 [종합연구소_머신러닝.hwp
2. 2026 동진쎄미켐 [종합연구소_머신러닝.pdf

반도체·디스플레이 소재의 물성 예측은 데이터의 양보다 데이터의 의미, 실험조건, 구조·조성 정보, 연구원 피드백이 중요하다는 점을 보여주셔야 합니다.
이 직무는 단순히 공개모델을 가져와 성능을 비교하는 일이 아니라, 소재 연구 데이터의 특성을 이해하고 연구원이 실제로 활용할 수 있는 코드와 모델을 만들어야 하는 업무라고 이해했습니다.
머신러닝코드 개발 및 적용 직무는 소재 연구 데이터를 기반으로 물성을 예측하고, 새로운 구조나 조성 후보를 제안하며, 연구 과정의 의사결정을 지원하는 직무라고 이해하고 있습니다.
신분자 설계를 위한 머신러닝코드 개발에서 가장 중요한 역량은 화학구조를 모델이 이해할 수 있는 형태로 표현하고, 그 표현이 실제 물성과 연결되는지 검증하는 능력이라고 생각합니다.
모델이 계산 결과를 학습하는데 그치지 않고 실제 소재 개발에 도움이 되도록 실험 데이터와의 연결성을 검증하겠습니다 .
모델이 추천한 후보를 연구원이 실험하고, 그 결과를 다시 데이터로 추가해 모델을 개선해야 합니다.
머신 러닝 모델은 실험 데이터와 계산 데이터에 기반한 예측도구이지 절대적인 정답을 주는 장치가 아닙니다.
제가 하고 싶은 일은 단순히 AI 모델을 만드는 것이 아니라, 실제 소재 개발 과정에서 쓸 수 있는 머신러닝 코드를 만드는 것입니다.

동진쎄미켐종합연구소-머신러닝코드 개발 및 적용 직무에 지원한 이유는 무엇입니까?
머신 러닝코드 개발 및 적용 직무를 어떻게 이해하고 있습니까?
동진쎄미켐종합연구소-머신러닝코드 개발 및 적용 직무면접에서는 단순히 "AI를 잘 합니다"라고 말하면 부족합니다.
특히 해당 직무가 신분자 설계를 위한 머신러닝코드 개발, 반도체·디스플레이 소재 물성 예측, 구조 또는 조성제안을 담당한다는 점이 제 관심과 맞았습니다.
동진쎄미켐은 반도체와 디스플레이 전자재료를 중심으로 성장해온 대한민국 대표 정밀화학소재 기업으로 알고 있습니다.
머신러닝코드 개발 및 적용 직무는 소재 연구 데이터를 기반으로 물성을 예측하고, 새로운 구조나 조성 후보를 제안하며, 연구 과정의 의사결정을 지원하는 직무라고 이해하고 있습니다.
특히 동진쎄미켐의 해당 직무는 신분자 설계와 반도체·디스플레이 소재 물성 예측을 명시하고 있어 소재도메인이해가 매우 중요하다고 생각합니다.
따라서 코드 개발자는 머신러닝 알고리즘뿐 아니라 실험 데이터의 한계, 구조·조성 표현 방식, 물성평가 조건, 연구자 업무 흐름까지 고려해야 합니다.
신분자 설계를 위한 머신러닝코드 개발에서 가장 중요한 역량은 화학구조를 모델이 이해할 수 있는 형태로 표현하고, 그 표현이 실제 물성과 연결되는지 검증하는 능력이라고 생각합니다.
따라서 소재 AI에서는 데이터를 많이 모으는 것보다 어떤 조건에서 생성된 데이터인지 정확히 관리하는 것이 중요합 니다.
인공지능은 데이터 속 패턴을 빠르게 찾는데 강점이 있지만, 어떤 데이터를 넣고 어떤 결과를 믿을지 판단하는 데는 도메인 지식이 필요합니다.
반대로 화학·재료 지식은 원리와 메커니즘을 이해하는 데 강점이 있지만, 조성·구조·공정 조건이 복잡하게 얽힌 대규모 데이터에서는 패턴 탐색에 한계가 있을 수 있습니다.
계산화학 또는 재료과학기반 데이터를 머신러닝에 활용할 때 가장 주의해야 할 점은 계산 조건과 실제 실험 조건의 차이를 이해하는 것입니다.
모델이 계산 데이터에서 학습한 패턴이 실제 실험 결과로 잘 이어지는지 검증해야 합니다.
모델이 계산 결과를 학습하는데 그치지 않고 실제 소재 개발에 도움이 되도록 실험 데이터와의 연결성을 검증하겠습니다 .
모델이 추천한 후보를 연구원이 실험하고, 그 결과를 다시 데이터로 추가해 모델을 개선해야 합니다.
저는 데이터를 분석하거나 모델을 개선할 때 가장 먼저 문제 정의와 데이터 구조를 확인하는 편입니다.
처음부터 복잡한 모델을 쓰기보다 기준 모델을 만든 뒤 성능 개선 여부를 확인하는 방식으로 접근했습니다.
특히 기존 연구 데이터의 단위, 결측값, 반복 실험 여부, 측정조건을 확인하고 데이터 품질을 판단하는 기준을 배우겠습니다.
마지막으로 연구원들이 실제로 필요로 하는 AI 도구가 무엇인지 배우고 싶습니다.
3년차에는 단순 모델 개발을 넘어 연구원들이 실제로 사용할 수 있는 분석도구와 모델 파이프라인을 구축하고 싶습니다.
따라서 머신러닝 알고리즘만 알고 소재도메인을 이해하지 못하면 연구원이 신뢰할 수 있는 모델을 만들기 어렵습니다.
또한 예측 결과를 제공할 때는 불확실성, 적용 가능 범위, 유사 데이터 존재 여부를 함께 표시해 연구자가 판단할 수 있도록 해야 합니다.
AI 모델의 책임은 완벽한 예측이 아니라, 한계를 명확히 관리하고 지속적으로 개선하는 데 있다고 생각합니다.
연구원이 AI 모델을 신뢰하지 않는다면 먼저 그 불신이 합리적이라고 생각하고 접근하겠습니다.
그런데 AI 모델이 예측값만 제시하고 근거를 설명하지 못한다면 신뢰하기 어려운 것이 당연합니다.
저는 AI 모델을 연구원에게 강요하지 않겠습니다.
다른 반도체 소재 기업도 많지만 동진쎄미켐을 선택한 이유는 반도체·디스플레이 공정 소재에서 축적된 연구개발 기반과 소재 국산화 경험이 있고, 그 위에 머신러닝을 적용할 수 있는 실질적인 연구환경이 있다고 판단했기 때문입니다.
제가 하고 싶은 일은 단순히 AI 모델을 만드는 것이 아니라, 실제 소재 개발 과정에서 쓸 수 있는 머신러닝 코드를 만드는 것입니다.
동진쎄미켐의 해당 직무는 신분자 설계를 위한 머신러닝코드 개발, 반도체·디스플레이 소재 물성 예측, 구조·조성 제안을 수행하는 것으로 제시되어 있어 제가 지향하는 방향과 정확히 맞습니다.

데이터, 소재, 모델, 실험, 러닝, 예측, 머신, 물성, 개발, 코드, 구조, 조건, 반도체, 연구, 공정, ai, 성, 어떻다, 동진쎄미켐, 실제