alexeygrigorev/ai-engineering-field-guide

이것이 무엇인가

AI 엔지니어가 되고 일하는 데 도움이 되는 무료 데이터 기반 가이드입니다. 의견이나 AI 생성 채우기가 아니라, 모든 것이 실제 증거에서 비롯됩니다: 6,964개의 실제 채용 공고, 실제 인터뷰 경험, 실무자들의 이야기입니다.

내용

1. AI 엔지니어 역할 — 수천 개의 채용 공고에서 추출한 패턴을 기반으로 한 실제 업무: 주요 기술, 책임, 실제 사용 사례(4,525개), 광고된 역할과 현실의 비교, 월간 시장 동향입니다.

2. 인터뷰 준비 — 채용 프로세스에 대한 심층 분석: 일반적인 인터뷰 형식, 100개 이상의 소스에서 통합한 질문(이론, 코딩, 프로젝트 심층 분석, 시스템 설계, 행동, 과제), 실제로 채용되는 기술, 제안과 거절 처리 방법, 51개 회사별 데이터입니다.

3. 학습 경로 — 무엇을 어떤 순서로 배울지, 다섯 가지 배경을 위한 구체적인 전환 가이드: 데이터 엔지니어(34개월), 데이터 사이언티스트, ML 엔지니어(가장 쉬운 전환), 백엔드 엔지니어(23개월), 프론트엔드 엔지니어입니다.

4. 포트폴리오 가이드 — 포트폴리오 프로젝트를 선택하고, 만들고, 발표하는 방법입니다.

5. 채용 시장 데이터 — 분석 뒤에 있는 원시 및 구조화 데이터: LA, 뉴욕, 런던, 암스테르담, 베를린, 인도에서 builtin.com에서 스크래핑한 6,964개의 채용 공고로, 스크래핑 날짜별로 정리되었습니다.

6. Awesome AI Engineering — 연구 중에 수집한 엄선된 외부 리소스 목록: 실무자 인터뷰, 시스템 설계 가이드, 엔지니어링 블로그, 책, 코스, 사례 연구입니다.

7. 웨비나 — AI 엔지니어의 일상, 회사가 역할을 정의하는 방법, 인터뷰 프로세스, 과제, 포트폴리오 프로젝트 선택에 대한 녹화 세션입니다.

8. 학습 리소스 — 9주 집중 과정(RAG에서 에이전트까지)과 AI Shipping Labs라는 실무자 커뮤니티입니다.

대상 독자

AI 엔지니어링 역할을 탐색하거나, 전환하거나, 채용하려는 모든 사람 — 특히 데이터 과학, 데이터 엔지니어링, ML 엔지니어링, 소프트웨어 엔지니어링과 같은 인접 분야에서 와서 현실적이고 증거 기반의 역할에 대한 그림을 원하는 사람입니다.

핵심 요점

이것은 연구 프로젝트이지 튜토리얼의 모음이 아닙니다. 기술, 동향, 인터뷰 패턴에 대한 모든 주장은 스크래핑한 채용 데이터와 실제 실무자 경험에 근거합니다. 따라서 독자는 과장이 아닌 분야의 정확한 그림을 얻을 수 있습니다.