# \#interview-prep

**URL:** https://discuss.pytorch.kr/tag/interview-prep/7524.md

[최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md)

---

## [SIT(shushu internship tool): 채용 공고를 프로젝트로 바꿔 이력서와 면접을 준비하는 AI 도구](https://discuss.pytorch.kr/t/sit-shushu-internship-tool-ai/11223)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [7월 16, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/sit-shushu-internship-tool-ai/11223 "2026-07-16T06:30:36Z")

</div>

shushu internship tool 소개 shushu internship tool(줄여서 SIT)은 채용 공고(JD, Job Description)를 받아 지원과 면접에 바로 쓸 수 있는 실전 프로젝트 꾸러미로 바꿔 주는 AI 기반 인턴십 준비 도구입니다. 채용 공고에 담긴 직무 책임, 요구 기술, 기술 스택, 업무 맥락 같은 정보를 출발점으로 삼아, 지원용 프로젝트와 코드 설명 자료, 발표 자료까지 이어지는 준비 과정을 돕습니다. 이 도구는 백엔드, 프런트엔드, 풀스택, 모바일, 테스트 개발, 데이터 엔지니어링, 클라우드/DevOps, 보안, 시스템, AI, 알고리즘 등 컴퓨터 계열 인턴십 지원자를 대상으로 합니다. 특히 프로젝트 경험이 적은 초심자가 직무 설정에서 프로젝트 선택, 코드 이해, 프로젝트 수정, 이력서 작성, 면접 연습으로 빠르게 넘어가야 할 때를 겨냥하고 있습니다. 동작의 출발점은 대화형 AI 어시스턴트입니다. 채용 공고만 건네면 SIT는 먼저 공고를 빠르게 훑은 뒤 현재 수준, 사용 기술 스택, 시간 예산, 사용 가능한 자원, 원하는 실행 깊이를 짧게 묻는 인테이크를 진행합니다. 개발팀은 이 흐름을 Codex의 Plan 모드처럼 상호작용형 계획 모드를 지원하는 코딩 에이전트에서 실행할 것을 권장하는데, 그래야 예/아니오 게이트와 선호 선택 팝업, 사용자 정의 입력 경험이 온전히 작동하기 때문입니다. SIT의 동작 방식: 채용 공고에서 면접 준비까지 SIT의 작업 흐름은 다섯 단계로 정리됩니다. 프로젝트 탐색: 목표 채용 공고를 기준으로 적합한 GitHub 프로젝트 2~3개를 찾은 뒤, 직무 적합도, 학습 속도, 면접 가치, 실행 비용, 수정 가능성으로 순위를 매깁니다. 코드 분석: 내려받은 프로젝트를 감사(audit)해 audit.json, overview.md, overview.html 을 생성하고, 구조와 진입점, 의존성, API, UI 흐름, 데이터 흐름, 작업 흐름을 파악하도록 돕습니다. 실행 계획: 가…

---

## [ai-engineering-interview-questions: AI 엔지니어 면접 문답 치트시트](https://discuss.pytorch.kr/t/ai-engineering-interview-questions-ai/11074)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [7월 8, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/ai-engineering-interview-questions-ai/11074 "2026-07-08T21:30:12Z")

</div>

ai-engineering-interview-questions 소개 AI 엔지니어, Gen AI 엔지니어, LLM 엔지니어, Agentic AI 엔지니어 같은 직군의 면접은 전통적인 소프트웨어 엔지니어 면접과 다루는 범위가 상당히 다릅니다. 자료구조·알고리즘 대신 LLM 내부 동작 원리, 프롬프트 설계, RAG 파이프라인, 에이전트 아키텍처처럼 비교적 최근에 자리 잡은 주제를 물어보기 때문입니다. ai-engineering-interview-questions는 이런 질문들을 한곳에 모은 오픈소스 치트시트로, LLM 기초부터 프롬프트 엔지니어링, RAG, AI 에이전트, 파인튜닝, 벡터 데이터베이스, AI 시스템 설계, LLMOps, 평가, 안전성, 멀티모달, 인프라, 코딩, 행동 면접까지 15개 주제로 나뉘어 있습니다. 이 저장소는 Outcome School의 창립자 Amit Shekhar가 만들고 관리하고 있으며, README는 "계속 새로운 질문과 답변을 업데이트하겠다"고 명시하고 있습니다. 2026년 3월 공개된 뒤 넉 달 만에 GitHub에서 2,000개 이상의 스타를 받았습니다. 대상 직군으로는 AI Engineer, Gen AI Engineer, LLM Engineer, Agentic AI Engineer, AI Agent Engineer, Forward Deployed Engineer, AI Solutions Architect, AI Platform Engineer, Applied AI Engineer, MLOps Engineer, LLMOps Engineer를 명시하고 있습니다. 단순히 질문 목록만 있는 것이 아니라, 상당수 질문 아래에 답변으로 연결되는 블로그 글·유튜브 영상·LinkedIn 게시물 링크가 함께 달려 있습니다. 각 질문은 정의를 묻는 형태뿐 아니라 "당신의 LLM 코딩 어시스턴트가 이미 폐기된 라이브러리를 사용하는 코드를 생성합니다. 어떻게 고치겠습니까?"처럼 실무에서 마주칠 법한 시나리오형 문제도 섞여 있어, 단순 암…
