Q. 간단한 자기소개와 현재 맡고 있는 일을 소개해 주세요.
안녕하세요. 저는 헬스케어 3기 과정에 참여했던 000입니다.
바이오 관련 전공과 제약회사 근무 경험을 바탕으로, 데이터 직무로 커리어를 확장해 왔습니다.
이후 한국방송통신대학교 통계데이터과학과에 편입해 학업을 이어 갔고, 데이터 실무 역량을 더 키우기 위해 AI 헬스케어 과정에 참여했습니다.
과정에 참여하던 중 좋은 면접 기회가 생겨 지원하게 되었고, 최종 합격하여 현재는 (주)굿리치에서 DW(Data Warehouse)·ETL 직무로 근무하고 있습니다.
현재는 웹·앱에서 발생하는 계약, 상품, 고객 데이터를 수집·정제·적재하고, 이를 기반으로 데이터 웨어하우스를 구축하는 업무를 맡고 있습니다. 제가 다루는 데이터는 보장 분석, 상품 추천, 경영 의사 결정 등 다양한 서비스의 기초 자료로 활용됩니다.
저 역시 AI 헬스케어 교육 과정을 통해 취업에 큰 도움을 받았던 만큼, 비슷한 고민을 하고 있는 분들께 제 경험이 조금이나마 도움이 되길 바라는 마음으로 이번 인터뷰에 참여하게 되었습니다.
Q. 다양한 교육 과정 중에서 왜 AI 헬스케어 과정을 선택하셨나요?
가장 큰 이유는 헬스케어 도메인에 특화된 데이터 기술 역량을 쌓고 싶었기 때문입니다.
제 초기 목표는 제약회사 실무 경험과 통계데이터과학 학업을 바탕으로, 바이오 산업 안에서 데이터 직무로 취업하는 것이었습니다. 그런 점에서 정형 데이터뿐 아니라 의료 데이터를 다루고, 분석과 모델링, 프로젝트 경험까지 이어지는 이 과정은 제 목표와 잘 맞았습니다.
비록 최종 취업은 다른 산업의 데이터 직무로 이어졌지만, 이 과정을 통해 얻은 경험은 특정 산업을 넘어 데이터 직무 전반에 적용 가능한 실무 역량으로 남았습니다.
Q. 온라인 과정인데도 끝까지 몰입할 수 있었던 이유가 있었나요?
저는 취업으로 인해 과정을 끝까지 완주하지는 못했지만, 오히려 그만큼 이 과정이 조기 취업을 가능하게 만든 환경이었다고 생각합니다.
가장 인상적이었던 점은 교육의 전문성과 문제 해결 체계였습니다.
한 명의 강사가 모든 내용을 설명하는 방식이 아니라, 파이썬, 데이터베이스, 인공지능, 기초 의학 등 각 영역별 전문 강사진이 배정되어 있어서 훨씬 깊이 있는 학습이 가능했습니다.
또 비대면 과정의 단점으로 자주 꼽히는 “질문하기 어렵다”, “혼자 막히면 오래 걸린다”는 문제가 적었습니다. 코딩 오류 해결, 실습 질문, 진로 상담 등에서 비교적 빠르게 피드백을 받을 수 있어 학습 흐름이 끊기지 않았습니다.
📌 AI 헬스케어 과정은 전·현직 전문가들이 강사진으로 참여하고 있으며, 수강생들이 실제 현업에서 요구되는 역량을 기를 수 있도록 실무 중심으로 운영되고 있습니다.
[AI 헬스케어 대표 강사]
- 김복주 강사님
- 현)명지대학교 - AI 정보과학대학원 강의
- 전)서울사이버대학교 - 인공지능 강의
- 전)우리은행 - AI/빅데이터 개발 및 운영 / AI 개발 및 운영, 정보보안 감사
- 신동현 강사님
- 전)Toss Securities - 백엔드 개발자
- 전)Asleep - 백엔드 개발 리드
- 전)ABLY - 백엔드 개발
- 신윤섭 강사님
- 현)연세대, LG디스플레이, 미래에셋 , 삼성화재 등 AI 기업 교육 진행
- 전)뷰노(VUNO) - 연구개발본부 연구원
- 한기영 강사님
- 현)(주)데이터인사이트 - KT 에이블스쿨 1~8기 메인 강사
- 전)디플러스 - 동명대, 성균관대, 이화여대, University of Nations(미국)에서 데이터 분석 강의
- 전)(주)이랜드 시스템스 - 데이터 엔지니어, 정보전략실(데이터분석 팀) 팀장, 패션BG IT Manager
Q. 교육 전과 후를 비교했을 때, 가장 크게 달라진 점은 무엇인가요?
가장 큰 변화는 ‘아는 상태’에서 ‘해 본 상태’로 바뀌었다는 점입니다.
과정에 들어오기 전에는 통계데이터과학 전공을 통해 이론적인 개념은 배우고 있었지만, 그것을 실제 데이터와 프로젝트에 적용해 본 경험은 많지 않았습니다. 하지만 AI 헬스케어 과정을 거치며 데이터셋을 직접 다루고, 분석하고, 모델을 만들고, 결과를 해석하는 경험을 하게 되었습니다.
이 차이는 자기소개서와 면접에서 크게 드러났습니다.
이론을 배운 사람과 실제로 프로젝트를 해 본 사람은 설명의 밀도 자체가 다르기 때문입니다. 결국 취업 과정에서 강점이 된 것도 바로 이 “실제로 해 본 경험”이었습니다.
Q. 취업에 가장 도움이 된 프로젝트는 무엇이었나요?
가장 큰 도움이 된 프로젝트는 ‘헬스케어 데이터 기반의 예측 모델 만들기 미니 프로젝트’였습니다.
이 프로젝트는 약 7,500명의 건강 지표 데이터를 바탕으로 머신러닝 모델을 학습시키고, 칼로리 소모량을 예측하는 과제였습니다. 결과는 해커톤 방식으로 평가되었고, RMSE 수치로 순위가 결정되는 구조였습니다.
이 프로젝트가 좋았던 이유는 단순히 모델을 돌려 보는 경험에 그치지 않았기 때문입니다.
팀 프로젝트였기 때문에 협업과 소통 능력을 보여 줄 수 있었고, 작업 순서를 설계하고 역할을 나누는 과정에서는 기획력을 드러낼 수 있었습니다.
데이터 정제와 EDA 과정에서는 분석력이 필요했고, 평가 기준이 숫자로 명확하게 보이는 구조였기 때문에 결과를 성과로 설명하기도 좋았습니다.
한마디로, 자기소개서와 면접에서 활용할 수 있는 요소가 매우 많은 프로젝트였습니다.
AI 헬스케어 과정은 수강생들의 학습 수준과 실무 적응력을 함께 고려하여, 의료데이터를 활용한 프로젝트와 해커톤 중심으로 운영되고 있습니다.
- 흡연 여부 예측 AI 해커톤
- 스트레스 지수 예측 AI 해커톤
- 칼로리 소모량 예측 AI 해커톤
- 심리 성향 예측 AI 해커톤
- 흉부 X-ray 이미지 분류 AI 해커톤
- 난임 환자 대상 임신 성공 여부 예측 AI 해커톤
- 암환자 유전체 데이터의 변이 정보를 활용한 암종 분류 AI 모델 개발
- 만성질환 개선을 위한 챌린지 형태의 웹 서비스 개발 프로젝트
- 진료 기록 기반 복약 안내 및 생활습관 개선 가이드 생성 시스템 개발 프로젝트
Q. 전공이나 이전 경력은 이번 과정에서 어떻게 활용되었나요?
저는 통계데이터과학 전공을 시작한 지 오래되지 않은 상태였지만, 과정 안에서 배운 프로젝트를 통해 통계 지식을 실제로 적용해 볼 수 있었습니다.
특히 헬스케어 데이터 기반 분석 및 시각화 미니 프로젝트를 수행하면서, 학교에서는 주로 R로 접했던 데이터 분석을 Python 라이브러리로 구현해 봤습니다.
건강 지표 데이터의 분포와 이상치를 시각화하고, 로지스틱 회귀 분석을 통해 질병 발생 여부 같은 이산형 변수를 예측했으며, 마지막에는 가설 검정을 통해 결과의 유의성도 검토했습니다.
이론으로만 알고 있던 통계 개념이 프로젝트 안에서 실제 분석 도구로 연결되면서, 전공 지식이 훨씬 실감 나게 다가왔습니다.
Q. 프로젝트 결과물을 포트폴리오와 면접에서 어떻게 활용하셨나요?
이 부분이 취업에 가장 직접적으로 연결된 포인트였습니다. 많은 지원자가 프로젝트를 설명할 때 “최종 결과가 무엇이었는지”에만 집중하는 경우가 많습니다.
하지만 저는 제가 지원한 직무가 ETL이라는 점에 맞춰, 프로젝트 과정 중에서도 데이터 정제와 변환 과정을 중심으로 경험을 정리했습니다.
예를 들어 프로젝트를 진행할 때는
- 데이터 형태 확인
- 데이터 정제
- 파생 변수 생성
- 모델 탐색
- 학습
- 예측
순으로 진행되는데, 저는 이 중에서도 이상치 처리, 결측치 확인, 포맷 통일, 파생 변수 생성 같은 2~3단계의 경험을 자기소개서와 면접에서 강조했습니다.
ETL 직무는 Extract, Transform, Load 중 특히 Transform의 비중이 크기 때문에, 프로젝트를 AI 모델링 경험으로만 설명하기보다 데이터 정제 경험으로 재해석해서 보여 준 것이 효과적이었습니다. 실제 면접에서도 이 부분에 대한 질문이 많이 나왔습니다.
직접 참여한 [칼로리 소모량 예측 모델 개발 해커톤] 발표 자료 중 일부 발췌
Q. 지금 실제 업무를 하면서도 교육 과정이 도움이 된다고 느끼시나요?
네, 생각보다 훨씬 직접적으로 연결됩니다.
과정에서 배운 Pandas 기반 데이터 처리, 데이터베이스 기초, SQL 실습은 지금 하고 있는 DW·ETL 업무와 구조적으로 매우 비슷합니다. 결측치 처리, 데이터 포맷 표준화, 조인 연산, 데이터 추출과 적재 같은 작업들은 실무에서도 계속 반복되는 핵심 작업입니다.
물론 실제 업무는 훨씬 더 복잡하고 데이터 규모도 큽니다. 하지만 과정에서 기본 구조를 경험해 봤기 때문에, 완전히 처음 접하는 것보다 훨씬 빠르게 적응할 수 있었습니다.
Q. 마지막으로, AI 헬스케어 과정 지원을 고민하는 분들에게 한마디 부탁드립니다.
요즘 채용 시장이 쉽지 않은 것은 사실입니다. 그래서 더더욱 “지금 내가 부족한데 지원해도 될까?”라는 고민을 많이 하게 됩니다.
하지만 제 경험으로는, 완벽하게 준비된 뒤에 움직이기보다 실제로 해 보는 경험을 먼저 만드는 것이 더 중요했습니다.
AI 헬스케어 과정은 단순히 강의를 듣는 시간이 아니라, 데이터 분석, 프로젝트 수행, 협업, 포트폴리오 정리까지 이어지는 경험을 만들 수 있는 과정이었습니다.
특히 미취업자, 졸업 예정자, 퇴사 후 이직을 준비하는 분들에게는 “나는 아직 부족하다”는 생각보다, 지금 내 경험을 하나의 실무 성과로 바꿔 줄 수 있는 환경에 들어가는 것이 더 중요할 수 있습니다.
만약 지금 지원을 고민하고 있다면, 이 과정은 단순한 수강 이력이 아니라 취업에서 설명할 수 있는 경험과 결과를 만드는 출발점이 될 수 있습니다.
Share article