질문 하나 받아보기 →

크래프톤 데이터·AI 면접, 질문 60개 쌓여 있어요

역대 공고 20건에서 추출한 예상질문 — 읽지 말고 소리 내어.

데이터 직군은 지표를 정의하고 검증하는 사고방식을 봅니다. 분모가 뭐였는지, 어떻게 측정했는지, 결과를 어떻게 의사결정으로 연결했는지 준비하세요.

지금 진행 중인 공고 18

크래프톤 · Data
[AI Research Div.] '26, '27년 전문연구요원 신규편입 (경력무관)
면접 예상질문 보기 →
크래프톤 · Data
[AI Research Div.] AI Agent Engineer (2년 이상)
면접 예상질문 보기 →
크래프톤 · Data
[AI Research Div.] AI Companion Team Internship (2년 이상 / 인턴)
면접 예상질문 보기 →
크래프톤 · Data
[AI Research Div.] Foundation Model Evaluation Engineer - 독자 AI 파운데이션 모델 (2년 이상 / 인턴)
면접 예상질문 보기 →
크래프톤 · Data
[AI Research Div.] ML Infrastructure Engineer (5년 이상)
면접 예상질문 보기 →
크래프톤 · Data
[AI Research Div.] ML Serving Engineer (5년 이상)
면접 예상질문 보기 →
크래프톤 · Data
[AI Research Div.] Postdoctoral Researcher - LLMs (계약직)
면접 예상질문 보기 →
크래프톤 · Data
[AI Research Div.] Research Engineer - Foundation Models (2년 이상 / 계약직)
면접 예상질문 보기 →
크래프톤 · Data
[AI Research Div.] Research Engineer - Vision Language Action Game Agent (2년 이상 / 인턴)
면접 예상질문 보기 →
크래프톤 · Data
[AI Research Div.] [전문연구요원] Research Scientist - Foundation Model (2년 이상)
면접 예상질문 보기 →
크래프톤 · Data
[AI Research Div.] Research Scientist - Foundation Models (2년 이상 / 계약직)
면접 예상질문 보기 →
크래프톤 · Data
[AI Research Div.] [전문연구요원] Research Scientist - Generalist Agent for Game Environments (2년 이상)
면접 예상질문 보기 →
크래프톤 · Data
[AI Research Div.] Research Scientist Intern - 독자 AI 파운데이션 모델 (2년 이상 / 인턴)
면접 예상질문 보기 →
크래프톤 · Data
[AI Transformation Dept.] Sr. AI Data Pipeline Specialist (7년 이상)
면접 예상질문 보기 →
크래프톤 · Art
[Art Dept.] 모션캡처 촬영/데이터 작업자 (신입 / 계약직)
면접 예상질문 보기 →
크래프톤 · Art
[Art Dept.] 모션캡처 촬영/데이터 작업자 (주니어) (3년 이상 / 계약직)
면접 예상질문 보기 →
크래프톤 · Data
[Game Research & Insights Dept.] Jr. 시선 데이터 분석 연구원 (경력무관 / 인턴)
면접 예상질문 보기 →
크래프톤 · IT Infra
[Infra Div.] Database Engineer (8년 이상)
면접 예상질문 보기 →

크래프톤 데이터·AI 예상질문 아카이브 60

역대 크래프톤 데이터·AI 공고 20건에서 추출 — 공고가 마감돼도 질문은 남습니다. 같은 직무가 다시 열리면 이 질문들이 그대로 옵니다.

Q1
LLM, SLM, VLM 중 하나 이상의 프로젝트 경험이 있다고 하셨는데, 구체적으로 어떤 프로젝트였나요?
🎯 프로젝트 경험이 실제로 무엇인지 확인
출처: [AI Research Div.] AI Companion Team Internship (2년 이상 / 인턴)
🎙 이 질문, 소리 내어 답해보기
Q2
PyTorch 등 Deep Learning 프레임워크를 활용한 경험이 있다고 하셨는데, 어떤 문제를 해결하기 위해 사용했나요?
🎯 Deep Learning 프레임워크의 실제 사용례 확인
출처: [AI Research Div.] AI Companion Team Internship (2년 이상 / 인턴)
🎙 이 질문, 소리 내어 답해보기
Q3
게임 환경에서 발생하는 실시간 상호작용과 대규모 동시 접속 환경에 대응하기 위해, 텍스트 및 비주얼 입력을 처리하는 다양한 언어/멀티모달 모델의 연산 효율을 최적화하는 방법은 무엇인가요?
🎯 실시간 상호작용과 대규모 동시 접속 환경에 대한 대응 방법 확인
출처: [AI Research Div.] AI Companion Team Internship (2년 이상 / 인턴)
🎙 이 질문, 소리 내어 답해보기
Q4
사용자 데이터 및 게임 로그 분석을 통해 모델 개선을 위한 피드백 루프를 구축하고 지속적으로 개선하는 방법은 무엇인가요?
🎯 사용자 데이터 및 게임 로그 분석을 통한 모델 개선 방법 확인
출처: [AI Research Div.] AI Companion Team Internship (2년 이상 / 인턴)
🎙 이 질문, 소리 내어 답해보기
Q5
멀티모달 학습 및 추론 경험이 있다고 하셨는데, 구체적으로 어떤 문제를 해결하기 위해 멀티모달 학습 및 추론을 사용했나요?
🎯 멀티모달 학습 및 추론의 실제 사용례 확인
출처: [AI Research Div.] AI Companion Team Internship (2년 이상 / 인턴)
🎙 이 질문, 소리 내어 답해보기
Q6
LLM의 효율성·안정성·성능을 향상시키는 새로운 분석 관점이나 알고리즘을 제안한 경험이 있나요? 구체적으로 어떤 문제를 해결했고, 어떤 방법으로 접근했는지 말씀해주세요.
🎯 LLM 성능 향상에 대한 경험과 분석 능력 확인
출처: [AI Research Div.] Postdoctoral Researcher - LLMs (계약직)
🎙 이 질문, 소리 내어 답해보기
Q7
Tool use, agentic learning, reasoning 등 LLM의 새로운 능력을 탐구한 경험에 대해 말해주세요. 어떻게 접근했고, 어떤 결과를 얻었나요?
🎯 LLM의 새로운 능력에 대한 연구 경험 확인
출처: [AI Research Div.] Postdoctoral Researcher - LLMs (계약직)
🎙 이 질문, 소리 내어 답해보기
Q8
Physical AI, World Models 영역에서 LLM을 활용한 경험에 대해 말해주세요. 어떻게 적용했고, 어떤 결과를 얻었나요?
🎯 LLM의 확장된 연구 영역에 대한 경험 확인
출처: [AI Research Div.] Postdoctoral Researcher - LLMs (계약직)
🎙 이 질문, 소리 내어 답해보기
Q9
대규모 언어모델(LLM)에 대한 이론적·경험적 분석 또는 모델링 연구 경험에서, 어떤 어려움이 있었고, 어떻게 해결했나요?
🎯 LLM 분석에 대한 어려움 해결 능력 확인
출처: [AI Research Div.] Postdoctoral Researcher - LLMs (계약직)
🎙 이 질문, 소리 내어 답해보기
Q10
LLM 내부 구조 분석, 스케일링 법칙, 표현 학습, 모델 해석 등 LLM 동작 원리에 대한 심층 연구 경험이 있나요? 구체적으로 어떤 연구를 했고, 어떤 결과를 얻었나요?
🎯 LLM 동작 원리에 대한 심층 연구 경험 확인
출처: [AI Research Div.] Postdoctoral Researcher - LLMs (계약직)
🎙 이 질문, 소리 내어 답해보기
Q11
대규모 언어모델(LLM)을 학습하고 평가한 경험이 있나요? 구체적으로 어떤 모델을 어떤 데이터로 학습했고, 어떤 평가 지표를 사용했는지 말씀해주세요.
🎯 대규모 언어모델 학습 및 평가 경험 확인
출처: [AI Research Div.] Research Engineer - Foundation Models (2년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q12
Foundation Model 개발 과정에서 발생하는 복합적인 문제(학습 불안정성, 성능 병목, 평가 불일치, 데이터 품질 문제 등)를 어떻게 분석하고 해결했는지 구체적인 사례를 하나 꼽아서 말씀해주세요.
🎯 Foundation Model 개발 과정 문제 해결 능력 확인
출처: [AI Research Div.] Research Engineer - Foundation Models (2년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q13
대규모 분산 학습 환경에서 모델 병렬화, 데이터 병렬화, 파이프라인 병렬화, 통신 최적화, 메모리 최적화, 체크포인트 전략 등을 어떻게 적용하고 개선했는지 구체적인 사례를 하나 꼽아서 말씀해주세요.
🎯 대규모 분산 학습 환경 최적화 능력 확인
출처: [AI Research Div.] Research Engineer - Foundation Models (2년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q14
새로운 모델 아키텍처, 학습 기법, 최적화 기법을 기존 학습 코드베이스와 실험 파이프라인에 어떻게 통합하고 실험적으로 검증했는지 구체적인 사례를 하나 꼽아서 말씀해주세요.
🎯 신규 모델 아키텍처 및 학습 기법 통합 및 검증 능력 확인
출처: [AI Research Div.] Research Engineer - Foundation Models (2년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q15
모델 학습 중 발생하는 성능 저하, 불안정성, 수렴 실패, 분산 시스템 오류, 데이터 병목, 평가 불일치 등의 문제를 어떻게 분석하고 해결했는지 구체적인 사례를 하나 꼽아서 말씀해주세요. 그리고 그 과정에서 어떤 지표를 사용해서 성능을 측정했는지 말씀해주세요.
🎯 모델 학습 중 발생하는 문제 분석 및 해결 능력 확인
출처: [AI Research Div.] Research Engineer - Foundation Models (2년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q16
대규모 Multi-modal LLM 학습 프로젝트에서 어떤 어려움을 겪었고, 어떻게 해결했나요?
🎯 실제 사례로 문제 해결 능력과 협업 능력을 평가
출처: [AI Research Div.] Research Scientist Intern - 독자 AI 파운데이션 모델 (2년 이상 / 인턴)
🎙 이 질문, 소리 내어 답해보기
Q17
탑티어 학회에 발표한 논문 중에서 가장 자신 있는 논문을 선택해서, 그 논문에서 어떤 문제를 해결했고, 어떻게 접근했는지 설명해주세요.
🎯 연구 능력과 발표 능력을 평가
출처: [AI Research Div.] Research Scientist Intern - 독자 AI 파운데이션 모델 (2년 이상 / 인턴)
🎙 이 질문, 소리 내어 답해보기
Q18
새로운 도메인에 빠르게 적응하는 방법은 무엇인가요? 실제로 새로운 도메인에서 어떤 경험을 했나요?
🎯 적응 능력과 새로운 도메인에 대한 이해를 평가
출처: [AI Research Div.] Research Scientist Intern - 독자 AI 파운데이션 모델 (2년 이상 / 인턴)
🎙 이 질문, 소리 내어 답해보기
Q19
LLM 내부 구조 분석이나 모델 해석 등에서 어떤 연구 경험을 했나요? 그 경험에서 어떤 어려움을 겪었고, 어떻게 해결했나요?
🎯 모델 동작 원리에 대한 이해와 문제 해결 능력을 평가
출처: [AI Research Div.] Research Scientist Intern - 독자 AI 파운데이션 모델 (2년 이상 / 인턴)
🎙 이 질문, 소리 내어 답해보기
Q20
연구를 주도할 수 있는 능력은 무엇이라고 생각하나요? 실제로 연구를 주도한 경험에서 어떤 성과를 냈나요?
🎯 연구 주도 능력과 성과를 평가
출처: [AI Research Div.] Research Scientist Intern - 독자 AI 파운데이션 모델 (2년 이상 / 인턴)
🎙 이 질문, 소리 내어 답해보기
Q21
Vision Language Action Model 관련 프로젝트에서 어떤 성과를 내셨나요?
🎯 Vision Language Action Model 관련 프로젝트 성과 확인
출처: [AI Research Div.] Research Engineer - Vision Language Action Game Agent (2년 이상
🎙 이 질문, 소리 내어 답해보기
Q22
인공지능(AI) 관련 논문을 통해 빠르게 이해하고 실험 설계할 수 있는 능력이 있으신가요?
🎯 인공지능(AI) 관련 논문 이해 및 실험 설계 능력 확인
출처: [AI Research Div.] Research Engineer - Vision Language Action Game Agent (2년 이상
🎙 이 질문, 소리 내어 답해보기
Q23
게임 환경에서 멀티모달 입력을 받아 행동을 출력하는 VLA 에이전트 모델 연구 및 구현에서 어떤 어려움이 있었나요?
🎯 VLA 에이전트 모델 연구 및 구현에서의 어려움 확인
출처: [AI Research Div.] Research Engineer - Vision Language Action Game Agent (2년 이상
🎙 이 질문, 소리 내어 답해보기
Q24
Instruction-following 성능 향상을 위한 데이터 설계, 학습 레시피 수립, 실패 케이스 분석 및 개선에서 어떤 접근 방식을 취하셨나요?
🎯 Instruction-following 성능 향상을 위한 접근 방식 확인
출처: [AI Research Div.] Research Engineer - Vision Language Action Game Agent (2년 이상
🎙 이 질문, 소리 내어 답해보기
Q25
Real-time 제약을 고려한 모델링/추론/서빙 최적화 및 성능 검증에서 어떤trade-off를 고려하셨나요?
🎯 Real-time 제약을 고려한 최적화 및 성능 검증에서의 trade-off 확인
출처: [AI Research Div.] Research Engineer - Vision Language Action Game Agent (2년 이상
🎙 이 질문, 소리 내어 답해보기
Q26
대규모 멀티모달 LLM 학습에서 성능 향상을 위한 모델 아키텍처와 학습 알고리즘을 어떻게 설계하고 개선하였나요?
🎯 대규모 멀티모달 LLM 학습에서 모델 아키텍처와 학습 알고리즘 설계 및 개선 능력 평가
출처: [AI Research Div.] Research Scientist - Foundation Models (2년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q27
탑티어 학회에 발표한 논문 중 하나를 선택하여, 그 논문에서 사용한 데이터 파이프라인과 평가 전 과정에 대해 설명해 주시고, 그 결과가 어떻게 실용적으로 적용될 수 있는지 말씀해 주실 수 있나요?
🎯 탑티어 학회 논문에서 사용한 데이터 파이프라인과 평가 전 과정 설명 및 실용적 적용 가능성 평가
출처: [AI Research Div.] Research Scientist - Foundation Models (2년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q28
새로운 도메인에 빠르게 적응하여 연구를 주도할 수 있는 능력이 중요하다고 생각합니다. 그런 능력을 갖추기 위해 어떻게 노력하였으며, 구체적인 사례를 하나 들어 주시겠습니까?
🎯 새로운 도메인에 빠르게 적응하여 연구를 주도할 수 있는 능력 평가
출처: [AI Research Div.] Research Scientist - Foundation Models (2년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q29
30B 이상 대규모 파운데이션 모델에 대한 학습과 배포 경험이 있다면, 그 모델의 성능을 어떻게 평가하였으며, 어떤 지표를 사용하였는지 설명해 주시고, 그 결과가 어떻게 모델의 개선에 기여하였는지 말씀해 주실 수 있나요?
🎯 대규모 파운데이션 모델의 성능 평가와 지표 사용 능력 평가
출처: [AI Research Div.] Research Scientist - Foundation Models (2년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q30
원활한 업무 커뮤니케이션 능력이 중요하다고 생각합니다. 그런 능력을 갖추기 위해 어떻게 노력하였으며, 구체적인 사례를 하나 들어 주시겠습니까? 예를 들어, 연구 결과를 어떻게 팀원들과 공유하였으며, 피드백을 어떻게 수용하였는지 설명해 주시고, 그 결과가 어떻게 팀의 성과에 기여하였는지 말씀해 주실 수 있나요?
🎯 원활한 업무 커뮤니케이션 능력 평가
출처: [AI Research Div.] Research Scientist - Foundation Models (2년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q31
대규모 Multi-modal LLM 학습을 진행한 경험에서, 모델의 성능 향상을 위한 구체적인 방법을 어떤 식으로 적용하였나요?
🎯 모델 성능 향상 방법 적용 능력 확인
출처: [AI Research Div.] [전문연구요원] Research Scientist - Foundation Model (2년 이상)
🎙 이 질문, 소리 내어 답해보기
Q32
탑티어 학회에 논문을 발표한 경험에서, 어떤 주제를 다루었고, 그 논문에서 어떤 기여를 하였나요? 본인이 직접 생각해서 하신 건가요? 본인 아이디어가 맞아요?
🎯 연구 기여도 및 아이디어 확인
출처: [AI Research Div.] [전문연구요원] Research Scientist - Foundation Model (2년 이상)
🎙 이 질문, 소리 내어 답해보기
Q33
대규모 Foundation Model에 대한 학습 및 배포 경험이 있다면, 그 과정에서 어떤 기술적인 어려움이 있었는지, 그리고 어떻게 해결하였는지 구체적으로 설명해주실 수 있나요?
🎯 기술적 어려움 해결 능력 확인
출처: [AI Research Div.] [전문연구요원] Research Scientist - Foundation Model (2년 이상)
🎙 이 질문, 소리 내어 답해보기
Q34
새로운 도메인에 빠르게 적응할 수 있는 능력이 중요하다고 합니다. 그런 경우에, 어떻게 빠르게 적응하였는지, 그리고 어떤 성과를 내었는지 구체적인 사례를 하나 들어주실 수 있나요?
🎯 도메인 적응 능력 및 성과 확인
출처: [AI Research Div.] [전문연구요원] Research Scientist - Foundation Model (2년 이상)
🎙 이 질문, 소리 내어 답해보기
Q35
최근 3년간 데이터 파이프라인 아키텍처를 설계하고 구축한 프로젝트 중, 가장 성공적인 사례를 하나 꼽아서 말씀해주세요. 그 프로젝트에서 어떤 기술 스택을 사용했으며, 어떤 문제를 해결했는지 구체적으로 설명해주세요.
🎯 데이터 파이프라인 아키텍처 설계 및 구축 경험 확인
출처: [AI Transformation Dept.] Sr. AI Data Pipeline Specialist (7년 이상)
🎙 이 질문, 소리 내어 답해보기
Q36
대규모 비정형 데이터를 수집하고 처리한 경험이 있나요? 그 경험에서 어떤 전처리 방법론을 사용했으며, 어떤 도구를 활용했는지 설명해주세요. 또한, 그 프로젝트에서 어떤 어려움이 있었는지와 어떻게 해결했는지 구체적으로 말씀해주세요.
🎯 비정형 데이터 처리 경험 확인
출처: [AI Transformation Dept.] Sr. AI Data Pipeline Specialist (7년 이상)
🎙 이 질문, 소리 내어 답해보기
Q37
LLM, RAG 시스템 구축을 위한 데이터 전처리 역량이 있나요? 그 경험에서 어떤 데이터 전처리 기술을 사용했으며, 어떻게 Vector DB를 활용했는지 설명해주세요. 또한, 그 프로젝트에서 어떤 성과를 냈는지 구체적으로 말씀해주세요.
🎯 LLM, RAG 시스템 구축 경험 확인
출처: [AI Transformation Dept.] Sr. AI Data Pipeline Specialist (7년 이상)
🎙 이 질문, 소리 내어 답해보기
Q38
Modern Data Stack 기술에 대한 깊은 이해도가 있나요? 그 기술을 활용한 프로젝트 중, 가장 성공적인 사례를 하나 꼽아서 말씀해주세요. 그 프로젝트에서 어떤 기술을 사용했으며, 어떤 문제를 해결했는지 구체적으로 설명해주세요.
🎯 Modern Data Stack 기술 이해도 확인
출처: [AI Transformation Dept.] Sr. AI Data Pipeline Specialist (7년 이상)
🎙 이 질문, 소리 내어 답해보기
Q39
데이터 품질 분석 및 거버넌스 기준 수립 경험은 있나요? 그 경험에서 어떤 데이터 품질 분석 방법론을 사용했으며, 어떻게 거버넌스 기준을 수립했는지 설명해주세요. 또한, 그 프로젝트에서 어떤 어려움이 있었는지와 어떻게 해결했는지 구체적으로 말씀해주세요.
🎯 데이터 품질 분석 및 거버넌스 기준 수립 경험 확인
출처: [AI Transformation Dept.] Sr. AI Data Pipeline Specialist (7년 이상)
🎙 이 질문, 소리 내어 답해보기
Q40
Agent 시스템을 설계하고 구현한 경험에서, 가장 어려웠던 부분은 무엇이었나요?
🎯 Agent 시스템 설계 및 구현의 어려움을 확인
출처: [AI Research Div.] [전문연구요원] Research Scientist - Generalist Agent for Game Envir
🎙 이 질문, 소리 내어 답해보기
Q41
딥러닝 논문을 이해하고 실험을 설계한 경험에서, 어떤 문제를 해결하려고 했나요?
🎯 딥러닝 논문 이해 및 실험 설계의 목적을 확인
출처: [AI Research Div.] [전문연구요원] Research Scientist - Generalist Agent for Game Envir
🎙 이 질문, 소리 내어 답해보기
Q42
LLM, VLM, 멀티모달 모델 관련 프로젝트에서, 어떤 데이터를 사용했으며 어떻게 평가했나요?
🎯 LLM, VLM, 멀티모달 모델 관련 프로젝트의 데이터 및 평가를 확인
출처: [AI Research Div.] [전문연구요원] Research Scientist - Generalist Agent for Game Envir
🎙 이 질문, 소리 내어 답해보기
Q43
실시간 추론 최적화와 서빙을 위한 연구에서, 어떤 방법론을 사용했으며 어떤 결과를 얻었나요?
🎯 실시간 추론 최적화와 서빙의 방법론 및 결과를 확인
출처: [AI Research Div.] [전문연구요원] Research Scientist - Generalist Agent for Game Envir
🎙 이 질문, 소리 내어 답해보기
Q44
Agent 시스템을 개발할 때, 어떻게 하면 사용자와의 상호작용을 개선할 수 있을까요? 구체적으로, '이런 문제가 있었는데 제가 이렇게 해결했다'는 식으로 사례를 하나 꼽아서 말씀해주실 수 있을까요?
🎯 Agent 시스템의 사용자 상호작용 개선 방법을 확인
출처: [AI Research Div.] [전문연구요원] Research Scientist - Generalist Agent for Game Envir
🎙 이 질문, 소리 내어 답해보기
Q45
모션캡처 촬영에서 가장 어려웠던 경험은 무엇인가요? 어떻게 해결했나요?
🎯 모션캡처 기술에 대한 전문성과 문제 해결 능력을 평가하기 위해
출처: [Art Dept.] 모션캡처 촬영/데이터 작업자 (주니어) (3년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q46
다양한 프로젝트를 진행한 경험 중에서, 어떤 프로젝트가 가장 어려웠나요? 그 프로젝트에서 어떤 역할을 맡았고, 어떻게 해결했나요?
🎯 다양한 프로젝트 경험과 협업 능력을 평가하기 위해
출처: [Art Dept.] 모션캡처 촬영/데이터 작업자 (주니어) (3년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q47
모션캡처 시스템과 다양한 프로그램들의 연동 능력은 어떻게 개발했나요? 구체적인 사례를 하나 꼽아서 말씀해주실 수 있을까요?
🎯 모션캡처 시스템과 프로그램 연동 능력을 평가하기 위해
출처: [Art Dept.] 모션캡처 촬영/데이터 작업자 (주니어) (3년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q48
테크니컬 애니메이션, 리깅, IK 시스템에 대한 지식은 어떻게 습득했나요? 실제 프로젝트에서 어떻게 적용했나요?
🎯 테크니컬 애니메이션, 리깅, IK 시스템에 대한 지식을 평가하기 위해
출처: [Art Dept.] 모션캡처 촬영/데이터 작업자 (주니어) (3년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q49
모션 캡처 스튜디오를 구축 또는 설치한 경험은 무엇인가요? 그 경험에서 어떤 문제가 발생했으며, 어떻게 해결했나요?
🎯 모션 캡처 스튜디오 구축 또는 설치 경험을 평가하기 위해
출처: [Art Dept.] 모션캡처 촬영/데이터 작업자 (주니어) (3년 이상 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q50
광학식 모션캡처 장비를 사용한 경험에서 데이터 퀄리티를 높이기 위해 어떤 방법을 사용했나요? 구체적으로는 어떤 장비와 소프트웨어를 사용했고, 어떤 결과를 얻었나요?
🎯 모션캡처 기술에 대한 전문성과 데이터 퀄리티 향상을 위한 노력 확인
출처: [Art Dept.] 모션캡처 촬영/데이터 작업자 (신입 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q51
3D 애니메이션과 리깅에 대한 기본 이해를 바탕으로 캐릭터 리타겟팅 작업에서 어떤 어려움이 있었는지, 어떻게 해결했나요? 어떤 도구를 사용했고, 어떤 결과를 얻었나요?
🎯 3D 애니메이션과 리깅에 대한 이해와 캐릭터 리타겟팅 작업에서의 문제 해결 능력 확인
출처: [Art Dept.] 모션캡처 촬영/데이터 작업자 (신입 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q52
모션캡처 시스템 소프트웨어인 Vicon Shogun을 사용하여 바디 데이터의 오류를 확인하고 수정한 경험에서, 어떤 오류가 가장 많이 발생했는지, 어떻게 수정했는지 구체적으로 설명해주세요.
🎯 Vicon Shogun을 사용한 데이터 에디팅 경험과 문제 해결 능력 확인
출처: [Art Dept.] 모션캡처 촬영/데이터 작업자 (신입 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q53
개발팀의 요구사항을 파악하고 이에 맞춰 촬영을 보조한 경험에서, 어떤 요구사항이 가장 어려웠는지, 어떻게 해결했는지 구체적으로 설명해주세요. 어떤 커뮤니케이션 채널을 사용했고, 어떤 결과를 얻었나요?
🎯 개발팀과의 협업과 커뮤니케이션 능력 확인
출처: [Art Dept.] 모션캡처 촬영/데이터 작업자 (신입 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q54
모션캡처 촬영과 데이터 에디팅 작업에서, 어떤 부분이 가장 시간을 많이 잡았는지, 어떻게 효율을 높이기 위해 노력했는지 구체적으로 설명해주세요. 어떤 도구나 소프트웨어를 사용했고, 어떤 결과를 얻었나요?
🎯 작업 효율성 향상을 위한 노력과 문제 해결 능력 확인
출처: [Art Dept.] 모션캡처 촬영/데이터 작업자 (신입 / 계약직)
🎙 이 질문, 소리 내어 답해보기
Q55
B300 125노드 기반 GPU 인프라스트럭처를 운영하고 성능 개선한 경험이 있나요?
🎯 실제로 대규모 GPU 클러스터를 운영한 경험이 있는지 확인
출처: [AI Research Div.] ML Infrastructure Engineer (5년 이상)
🎙 이 질문, 소리 내어 답해보기
Q56
ML/GPU 플랫폼의 스케줄링과 워크로드 격리를 어떻게 개선했나요?
🎯 ML/GPU 플랫폼의 성능과 효율을 개선한 경험을 확인
출처: [AI Research Div.] ML Infrastructure Engineer (5년 이상)
🎙 이 질문, 소리 내어 답해보기
Q57
장애 및 성능 이슈를 시스템 전반 관점에서 분석하고 해결한 경험은 무엇인가요?
🎯 시스템 전반의 장애와 성능 이슈를 해결한 경험을 확인
출처: [AI Research Div.] ML Infrastructure Engineer (5년 이상)
🎙 이 질문, 소리 내어 답해보기
Q58
연구·개발 조직과 협업하여 공통 ML/GPU 인프라의 요구사항을 정리하고 기술적 대안을 제안한 경험은 무엇인가요?
🎯 연구·개발 조직과 협업하여 인프라의 요구사항을 정리하고 해결한 경험을 확인
출처: [AI Research Div.] ML Infrastructure Engineer (5년 이상)
🎙 이 질문, 소리 내어 답해보기
Q59
GPU 활용률 분석과 리소스 할당을 실제 운영 환경에 어떻게 적용했나요?
🎯 GPU 활용률과 리소스 할당을 최적화한 경험을 확인
출처: [AI Research Div.] ML Infrastructure Engineer (5년 이상)
🎙 이 질문, 소리 내어 답해보기
Q60
클라우드 인프라 환경에서 데이터베이스를 운영할 때, 보안 정책 및 절차 수립과 실행에 어떤 경험을 가지셨나요?
🎯 클라우드 인프라 환경에서의 데이터베이스 보안 경험 확인
출처: [Infra Div.] Database Engineer (8년 이상)
🎙 이 질문, 소리 내어 답해보기
질문만 읽으면 컨닝이에요. 소리 내어 답해야 훈련이 됩니다 — 지금 바로 크래프톤 모의면접 →

준비하는 회사가 여기 없나요?

대신증권이든, 한 명 뽑는 회사든 — 공고를 붙여넣으면 그 공고의 예상질문이 바로 만들어지고, 같은 방식으로 소리 내어 연습할 수 있어요.

내 공고 붙여넣고 시작하기 →

크래프톤의 다른 직군

크래프톤 PM·기획 크래프톤 디자인 크래프톤 마케팅 크래프톤 iOS·안드로이드

같은 직군, 다른 회사

데이터·AI 면접 전체 → 네이버 데이터·AI 카카오 데이터·AI 라인 데이터·AI 쿠팡 데이터·AI 우아한형제들 데이터·AI 당근 데이터·AI 몰로코 데이터·AI 센드버드 데이터·AI 토스 데이터·AI