데이터 • AI 교육 PM 인터뷰 ⎮”취업 시장의 변화를 반영하기 위해 만반의 준비를 하고 있죠.”
비전공자도 데이터 분석가 또는 AI 엔지니어로 커리어 전환이 가능할까? 코드잇 교육PM 김현우님의 인터뷰를 통해 데이터/AI 부트캠프 커리큘럼, 실무형 프로젝트, 멘토링과 피드백 시스템, 커리어 전환 전략까지 AI·데이터 직무 진입을 위한 실질적 로드맵을 확인해보세요.
Jul 16, 2025
데이터 분석과 AI 분야에 대한 관심이 높아지고 있지만, 여전히 많은 이들에게는 낯설고 어렵게 느껴지는 영역이죠.
이런 걱정으로 망설이는 분들을 위해 코드잇의 데이터 분석가 트랙과 AI 엔지니어 트랙은 설계되었습니다.
이번 인터뷰에서는 데이터 • AI 트랙을 운영하는 김현우 교육 PM을 만나, 학습 구조 설계 의도, 수강생 성장을 이끄는 케어 방식, 그리고 AI/데이터 커리어 전환을 위한 전략적 로드맵에 대해 자세히 들어보았습니다.
Chapter 1. 데이터/AI 트랙이란?
Q. 현재 코드잇 부트캠프에서 어떤 트랙을 운영하고 계신가요?
A. 안녕하세요. 데이터 분석가 트랙과 AI 엔지니어 트랙의 교육PM으로 참여하고 있는 김현우입니다. 미래의 데이터 분석가와 AI 엔지니어를 양성하는 데 힘쓰고 있어요.
Q. 데이터/AI 트랙의 교육PM으로서 어떤 역할에 가장 집중하고 계신가요?
A. 대외적으로는 교육 기획 담당, 내부적으로는 교육PM이라고 불리고 있지만, 스스로는 저를 품질 관리자라고 생각해요. 제가 맡은 과정은 하나의 제품이고, 저는 품질을 유지하고 개선하는 역할을 하는 거죠. 커리큘럼을 구성하는 다양한 요소들이 좋은 퀄리티로 제공되고 있는지를 지속적으로 관리해요. 또 학습 경험에서 만족하시는 포인트를 찾아내어 극대화하거나, 페인 포인트를 찾아 근본적으로 개선하는 작업을 맡고 있습니다.
강사님의 수업 방식, 저희가 제공하는 콘텐츠, 멘토링, 프로젝트까지 부트캠프의 여러 요소들을 종합적으로 점검하고 개선하며 ‘스마트한 부트캠프’가 될 수 있도록 노력하고 있어요.
Q. 데이터 분석가 트랙과 AI 엔지니어 트랙은 어떤 점에서 운영 관점이 다르다고 느끼시나요?
A. 데이터 분석가와 AI 엔지니어가 현업에서 어떤 방식으로 일하는지를 고려해서 운영 방향성을 결정하는 것 같아요. 즉, 수강생에게 요구하는 성장 방향성이 다른데요.
데이터 분석가들에게는 코딩과 같은 하드 스킬도 물론 중요하지만 비즈니스 관점에서 데이터를 이해하고 타인을 설득하는 능력이 중요하기 때문에 스토리텔링, 문서화, 커뮤니케이션 능력을 좀 더 강조하고 있어요.
반대로 AI 엔지니어들에게는 딥러닝 모델 구현을 통한 문제 해결력을 강조하고 있습니다. 또, 모델의 성능을 검증하고, 기록하고 개선해 나가는 과정의 재미를 느껴보시라고 자주 말씀드리고 있어요.
Q. 두 트랙 모두 ‘비전공자도 도전 가능하다’는 메시지를 강조하고 있는데요, 실제 수강생들의 배경은 어떤가요?
A. 수강생분들의 백그라운드는 정말 다양해요. 최종 학력, 전공 계열, 연령대까지 천차만별이에요. 대학교 방학 기간을 이용하여 오시는 분도 계시고, 40대에 커리어 전환이 필요해서 참여하시는 분들도 계세요.
밖에서 어떤 경험을 하셨던, 끝까지 따라오시는 분들의 공통점은 하나예에요. 바로 “자신이 데이터와 AI 공부를 해야 하는 확고한 이유가 있다는 것”입니다.
Q. 데이터 분석가와 AI 엔지니어 트랙은 각각 어떤 커리어 목표를 가진 분들에게 추천하시나요?
A. 두 분야 모두 변화가 빠른 만큼 점차 직무 간의 경계가 흐릿해져가고 있다는 느낌을 많이 받아요.
데이터 분석 능력은 직무를 막론하고 핵심 역량으로 취급받고 있어요. 마치 어학 능력처럼 말이죠. 그래서 반드시 데이터 분석가가 아니더라도 본인이 목표하는 직군에서 데이터 분석 역량으로 차별화를 가져갈 수 있을 것 같으신 분들에게 추천드려요. 예를 들어, 마케터나 PM, 기획자, CS 직군들이요.
AI 엔지니어는 현 시점 가장 성장 가능성이 높은 직군이에요. 가장 투자가 많이 되고 있는 산업 분야이기도 하죠. 컴퓨터 비전과 자연어 처리 모델에 대한 깊은 이해를 바탕으로 누군가가 만들어둔 모델을 스마트하게 잘 가져와서 나만의 독창성으로 세상에 없던 혁신을 만들고 싶은 분들에게 추천드립니다. 어느 정도 개발의 영역과도 맞닿아 있어서, 커리어 전환이나 확장을 원하시는 프론트엔드/백엔드 개발자분들께도 추천드려요.
Q. 다른 부트캠프들과 비교했을 때 코드잇 데이터 분석/AI 트랙만의 차별점이 있다면요?
A. 많은 부트캠프들이 간결한 선발 절차를 내세우면서 빠른 합류를 유도하지만, 저희는 지원자 분들의 역량 검증에 많은 자원을 투입해서 까다롭게 선발하고 있어요. 특히, 협업 중심으로 진행되는 부트캠프이기 때문에, 원활한 커뮤니케이션 능력과 학습에 대한 강한 의지를 갖고 있으신지를 꼼꼼히 확인하고 있습니다. 좋은 동료들 사이에서 최고의 성장이 나올 수 있다고 믿고 있어요.
스프린트의 데이터 분석 트랙에서는 데이터 분석 뿐만 아니라 엔지니어링 관련 지식을 비중 있게 다룬다는 것이 차별점이라고 생각해요. 실제로 기업에서 근무를 하시게 되면 부트캠프에서 경험한 환경과는 다른 인프라를 마주하시게 될 거예요. 이를 대비해 유닉스 커맨드, 파이썬 실행 환경 설정, Git, Docker, Airflow, BigQuery 등 분석가에게 꼭 필요한 수준의 엔지니어링 도구와 개념을 무리 없이 익히시도록 커리큘럼을 구성했어요. 수강생분들이 실제 실무에서 당황하지 않고 바로 적응할 수 있도록 돕는 것이 저희의 또 하나의 목표입니다.
스프린트의 AI 트랙은 ‘생성형 AI’ 과정이나 ‘AI를 활용한 데이터 분석 과정’과 같이 AI를 보조적으로 다루는 과정이 아니라, ‘AI 엔지니어링’ 과정으로써 컴퓨터 비전/LLM 모델에 대해 깊게 공부해보고 AI 서비스를 직접 구현해보는 과정이라는 것이 차별화되어 있다고 생각합니다. 겉모습만 AI 과정이고 실제로는 웹 과정에 생성형 AI를 붙여놓은 커리큘럼을 갖춘 부트캠프와는 전혀 다르다고 말씀드리고 싶어요. 현 시점에서 AI 엔지니어로 취업하기 충분한 기술적 경험, 협업 경험들을 하실 수 있도록 커리큘럼을 구성해두었어요.
Chapter 2. 데이터 분석 / AI 커리큘럼 구성과 설계 의도
Q. 데이터/AI 트랙 모두 파이썬과 데이터 분석 기초부터 시작하는데, 이 기초 설계에는 어떤 의도가 담겨 있나요?
A. 데이터 트랙의 경우, 파이썬을 커리큘럼 초반에 배치할지 말지에 대해서 꽤 고민을 많이 했어요. GPT가 실무 현장에도 깊게 자리하면서, 데이터 분석가가 파이썬 코드를 잘 다루는 것에 대한 중요성이 줄어들고 있다고 생각하거든요. 그렇지만 파이썬을 통해서 프로그래밍적 사고방식을 강의 초반에 갖추는 것이 7개월 간의 부트캠프를 소화해내기 위해 꼭 필요하다는 판단을 했습니다. 단순히 코드를 배우는 것을 넘어 사고의 틀을 확장하기 위한 도구로 파이썬을 꼭 배우셔야 한다는 생각이 들었어요. 파이썬 기초 및 응용에 이어 자연스럽게 통계나, 데이터 분석 기초도 파이썬을 기반으로 학습하실 수 있게끔 초반 설계를 해두었습니다.
AI 엔지니어링 트랙에서는 주 사용 프레임워크로 PyTorch를 사용하고 있어요. PyTorch는 파이썬을 기반으로 하고 있기 때문에 관련 기초 지식이 꼭 선행되어야 해서 파이썬을 가장 먼저 학습하실 수 있게 해두었어요. 마찬가지로 데이터 분석 또한 AI 과정의 초반부에서 다루게 되는데요. 딥러닝 학습을 위한 데이터의 특성을 파악하기 위해 EDA 작업이 선행되어야 하기 때문에 데이터 분석 방법론에 대해 학습하고 있어요.
Q. 데이터 분석가 트랙에서는 SQL, A/B 테스트, 머신러닝 등 실무 분석 스킬이 연계되는데, 어떤 의도로 설계되었나요?
A. 데이터 분석가는 비즈니스 문제를 정의하고, 데이터를 기반으로 인사이트를 도출하며, 실행 가능한 해결책을 제시하는 역할을 해요. 이런 과정들을 수행하는 데 있어 SQL, A/B 테스트, 머신러닝은 가장 널리 활용되는 핵심 도구들입니다. SQL은 데이터베이스로부터 필요한 정보를 정확하게 추출하고 가공하는 데 필수적이고, A/B 테스트는 실제 사용자 반응을 기반으로 제품이나 서비스를 개선하는 데 사용되며, 머신러닝은 복잡한 패턴을 찾아내고 예측 모델을 만드는 데 사용됩니다. 이외에도 데이터 분석가들에게 요구되는 핵심적인 스택들로만 트랙을 구성했으니, 커리큘럼을 꼭 확인해주세요.
Q. AI 엔지니어 트랙은 통계부터 컴퓨터 비전, LLM, 모델 배포까지 이어지는데, 어떤 의도로 설계되었나요?
A. AI 엔지니어는 고도화된 모델을 서비스 맥락에 맞게 튜닝하고, 이를 실제 제품에 통합하는 역할을 수행하는 직무예요. 따라서 모델을 단순히 이해하는 수준을 넘어서 통계와 수학적 기초, 컴퓨터 비전 및 LLM 등 다양한 모델 아키텍처에 대한 이해, 서버/API/모델 경량화 및 변환/배포 등 MLOps 기술 스택까지 직접 경험해보는 것이 취업에 필수적이라고 생각합니다. AI 엔지니어가 실제 실무에서 겪게 될 end-to-end 전 과정을 체계적으로 간접 경험할 수 있도록 설계했다고 봐주시면 좋을 것 같아요.
Chapter 3. 학습 난이도와 수강 케어는?
%E1%84%8B%E1%85%A6%E1%84%83%E1%85%B3%E1%84%8B%E1%85%B1%E1%86%AB_4.jpg%3Ftable%3Dblock%26id%3D2306fd22-8e8d-806a-a531-d917ca936705%26cache%3Dv2&w=1920&q=75)
Q. 데이터/AI 분야는 초반 진입 장벽도 있지만, 점점 내용이 고도화되잖아요. 학습 난이도는 어떤 식으로 조율하셨나요?
A. 데이터/AI 두 트랙 모두, 배경지식이 전혀 없으셔도 괜찮아요. 저희가 설계한 학습 콘텐츠만 잘 따라오신다면 누구나 무리 없이 학습할 수 있도록 초반 난이도 조절에 특히 신경 써서 커리큘럼을 구성했습니다.
또한 두 트랙 모두 커리큘럼을 주제별로 연관성 높은 개념끼리 묶어 4개의 파트로 나눠두었기 때문에, 난이도가 지속적으로 오르기보다는 ‘어려워졌다가 다시 소강되는 흐름’이 반복되는 구조라고 보시면 될 것 같아요. 덕분에 지치지 않고 따라오실 수 있을 거라고 생각합니다.
그리고 단순히 이론 수업만 진행하는 게 아니라, 수업시간 안에서 직접 스프린트 미션을 풀어보면서 현재 내 실력을 스스로 점검할 수 있도록 설계되어 있어요. 미션이 어렵게 느껴지면 강사님의 보충 설명을 바로 들을 수 있고, 반대로 미션이 조금 쉬웠다면 심화 미션으로 확장해보실 수도 있어요.
전반적으로 ‘취업을 위해 정말 필요한 내용’만 담되, 개인 실력에 맞게 학습 경로를 조정할 수 있도록 다양한 장치를 넣어뒀습니다. 스스로의 성취감을 느끼면서 완주하실 수 있도록 많이 준비해두었습니다.
Q. 각 트랙에서 미션, 과제, 중간 점검 등을 통해 수강생의 학습 상태를 어떻게 체크하고 계신가요?
A. 저희는 스프린트 미션, 프로젝트, 성취도 평가와 같이 수강생분들을 매우 많이, 자주 평가하고 있어요. 수강생분들끼리 경쟁을 시키거나 줄 세우기를 위한 목적은 아니에요. 다만 평가 결과들을 통해 수강생분들의 성취 수준을 강사진, 운영진들이 파악하고 있어야 그분들께 맞는 적절한 콘텐츠를 제공해드릴 수 있거든요.
특히, 저희는 수강생분들의 학습 경험을 총체적으로 관리하는 Learner Experience(LX) 유닛이 따로 있어요. 학습에 어려움을 겪고 계신 분들이 있다고 판단되면, 1:1 상담을 통해 선제적으로 도움을 드리고 있습니다.
Q. 특히 수학이나 프로그래밍에 익숙하지 않은 분들을 위한 학습 보완 장치나 운영 노하우가 있다면요?
A. 수학이나 프로그래밍에 익숙하지 않은 분들을 위해 본 수업 개강 전 코드잇에서 자체 제작한 파이썬 기초 프리코스(Pre-course)를 무료로 제공해드려요. 두 트랙 모두 파이썬을 기반으로 수업이 진행되기 때문에 프리코스를 꼭 미리 수강하시라고 말씀드리고 있습니다.
과정 중에도 강사님과의 실시간 QnA, 보충학습, 주 1회 멘토링 등을 통해 학습에서 부족한 부분이 있다면 언제든지 질문할 수 있는 환경이 갖추어져 있습니다.
물론 저희가 이렇게 많은 학습 인프라를 갖추고 있지만, 결국 심리적인 요소가 많이 작용하는데요. 그럴 때는 파이썬도 프로그래밍 “언어”이기 때문에 처음 써보면 당연히 생소한 게 맞다고 다독여 드리고 있어요. 언어는 단기간에 마스터할 수 있는 게 아니죠. 해외를 갔을 때 그 나라 말이 어색하고 입에 잘 안 붙더라도 꿋꿋하게 쓰다 보면 자연스럽게 늘듯이, 지금 당장 어색하고 잘 모르겠더라도 수업과 미션에서 계속 파이썬에 스스로를 노출시키다 보면 자연스럽게 파이썬을 다루고 있는 자신을 발견하실 수 있을 거라고 말씀드리고 있어요. 실제로 수업 초반에 파이썬이 어려워서 힘들어하시는 분들도, 나중에는 프로젝트를 주도하시면서 멋지게 수료하시는 모습을 정말 많이 보아왔답니다.
Chapter 4. 실무 기반 프로젝트 경험은?
Q. 데이터 분석가 트랙은 총 4개의 프로젝트(초급~고급)로 구성되어 있던데요, 각 단계는 어떤 성장 흐름을 전제로 기획되었나요?
A. 학습은 입력받은 것을 출력할 수 있을 때 비로소 이루어진다고 생각합니다. 즉, 배운 것을 써먹을 수 있다면 그것은 내 것이 된 거죠. 프로젝트도 이러한 맥락에서 구성했는데요.
예를 들어, 파이썬 데이터 분석 기초를 배웠다면 파이썬 데이터 분석으로 진행할 수 있는 프로젝트를 진행하고, SQL과 프로덕트 데이터 분석을 배웠다면 MySQL로 저장된 프로덕트 데이터로 프로젝트를 진행하는 식입니다. 파이널 프로젝트에서는 지금까지 학습하신 내용을 전부 적용해보실 수 있을 거예요.
기술적인 성장도 중요하지만, 프로젝트에서는 협업 측면에서의 소프트스킬 성장도 중요해요. 네 번의 프로젝트마다 전부 다른 팀원들을 매칭해드리고 있기 때문에 다양한 성격의 동료분들과 협업하시면서 내가 어떤 사람이고, 어떤 측면에 강점이 있는지 파악하실 수 있게 될 거예요. 담당하시는 멘토님도 포함하여 다시 매칭해드리니 인적 네트워크 성장도 기대해보시면 좋을 것 같습니다.
Q. 특히 HR 데이터, 프롭테크, SNS 유저 데이터 등은 실제 기업 사례와 유사해 보이는데요, 프로젝트 기획 과정에서 중점을 둔 포인트는 무엇인가요?
A. 말씀하신 대로, 프로젝트는 실무와 비슷한 경험을 제공하는 것이 가장 큰 목표예요. 프로젝트가 시작되면 실제 기업에서 발생했던 데이터가 주어지고, 수강생 분들은 어떤 비즈니스 시나리오 상황에 놓이게 될 텐데요. 시나리오 속에서 문제를 어떻게 정의할 것인지, 어떤 지표를 볼 것인지, 어떤 개선안을 제시할 것인지를 직접 end-to-end로 경험해보시는 걸 중점으로 기획했어요. 마치 부트캠프에서 만난 팀원들이 특정 기업의 ‘데이터 분석 부서’가 된 것처럼 협업하는 느낌을 받으실 겁니다.
또한, 프로젝트가 자연스럽게 포트폴리오에 녹을 수 있도록 ‘협업일지’ 작성을 요청드리고 있어요. 내가 무엇을 했는지, 어떤 코드를 작성했는지, 어떤 시도와 실패들이 있었는지를 매일 기록하면서 추후 포트폴리오를 작성하실 때 프로젝트의 기억이 생생하게 떠오르도록 돕고 있습니다. 나중에 한꺼번에 쓰려면 기억이 잘 안 나기 마련이거든요.
Q. AI 트랙의 프로젝트는 데이터 분석 프로젝트와는 다를 것 같은데, 어떤 방식으로 진행되나요? 또, 어떤 부분을 중점으로 두셨나요?
A. AI 트랙의 프로젝트도 마찬가지로 실무에 가까운 경험을 드리고, 경쟁력 있는 포트폴리오를 구성하실 수 있는 프로젝트들로 제공해드리고 있습니다. 컴퓨터 비전 프로젝트, 자연어 처리 프로젝트, 모델 배포 프로젝트로 나뉘어 커리큘럼 동안 총 3번 진행하게 되는데요. 각 파트에 가장 적합한 방식으로 프로젝트를 운영하고 있어요.
모델의 정확도와 성능 개선이 중요한 컴퓨터 비전 파트에서는 모의 캐글 경진대회를 통해 진행하고, 파인튜닝과 RAG 시스템 구축이 필요한 자연어 처리 프로젝트에서는 클라우드 환경에서 GPU를 제공받아 RAG 시스템을 구현해보시게 됩니다. 모델 배포 프로젝트에서는 자유도 높은 주제를 드리고 AI 기반 서비스를 구현해보는 방식으로 진행됩니다.
앞서 AI 과정은 문제해결력 강화와 기술적 협업에 초점을 맞추었다고 말씀드렸는데요. 저희가 제공드리는 모든 프로젝트는 AI 스타트업에서 일어날 법한 비즈니스 시나리오 안에서 진행되며, 모든 협업은 Git 기반으로 이루어집니다. 저희가 설계해둔 프로젝트 안에서 수강생분들께서 치열하게 고민하시는 모습을 보면 안쓰러운 마음이 들기도 하지만, 한편으로는 그만큼 성장해가고 계신 모습들이 보여서 뿌듯한 마음이 듭니다.
Chapter 5. 피드백과 멘토링 구조는?
Q. 데이터나 AI는 정답이 없는 분야라 피드백이 더 중요할 것 같아요. 리뷰나 멘토링은 어떤 방식으로 제공되나요?
A. 맞습니다. 데이터나 AI 분야는 사용자의 주관적인 개입이 들어갈 여지가 많기 때문에 같은 데이터를 보고도 사람마다 다르게 해석할 수 있어 ‘정답이 없는 분야’라고 말할 수도 있을 것 같아요. 그렇지만, 누구나 합리적이라고 받아들일 수 있는 논리구조를 쌓고 타인을 설득하고 납득시키는 힘을 기르는 것은 중요해요. 수강생분들은 바로 이 부분들을 훌륭하신 멘토님들의 피드백을 통해 연습해 나가실 수 있어요.
코드잇의 멘토링 시스템은 프로젝트 기간 몇 주 정도 봐주시는 것이 아니라, 함께하시는 7개월 내내 주 1회 멘토링을 진행해요. 과정이 시작하자마자 바로 멘토님과 만나게 된답니다. 데이터/AI 트랙 모두 구글 코랩을 기반으로 과정이 운영될텐데요, 여러분들이 작성하신 코드나 보고서에 구글드라이브와 코랩의 코멘트 기능을 이용하여 상세한 피드백을 남겨주시게 돼요. 과제나 프로젝트에 대한 피드백 뿐만 아니라, 현업에 계신 전문가로써 여러분들에게 다양한 커리어 조언을 주시게 될 거에요.
7개월 동안 같은 멘토님과 내내 함께하는 것이 아니라, 파트마다 멘토님이 바뀌니 다양한 멘토님들을 만나면서 네트워킹도 하고 본인과 비슷한 성향의 멘토님을 찾아 본인의 미래 모습을 엿볼 수도 있으실 거에요. 정말 좋은 멘토님들을 가리고 가려 모시고 있으니 최대한 잘 활용하시면 좋겠어요.
Q. 현직자 멘토링이나 특강이 수강생의 이해도나 실전 감각을 끌어올리는 데 실질적인 도움이 되었다고 느낀 사례가 있다면요?
A. 제가 정말 좋아하고 존경하는 멘토님이 한 분 계시는데요. 스스로를 “극 ISTJ”라고 부르실 만큼 현실적인 조언들을 많이 해주시는 분이세요. 수강생 분들께서 멘토링에 만족하시는 정도가 심상치 않은 걸 느끼고, 모든 스프린터 분들이 조언을 받으실 수 있도록 특강을 요청드렸던 기억이 있습니다. 당연히 특강 만족도도 매우 높았어요.
특강 만족도 조사에 한 참여자 분이 후기를 남겨주셨는데요. ”실무에서는 사용하는 툴이나 기술이 다양하기 때문에 특정 툴을 완벽하게 익히는 것보다 새로운 환경에서도 빠르게 적응하고 학습하는 능력이 중요하다는 것과, 하나의 툴을 깊이 있게 다루면 다른 유사한 툴도 곧 금방 익힐 수 있기 때문에 특정 기술 습득보다 데이터 분석의 본질을 이해하는 것이 더 중요하다는 멘토님의 말씀이 기억에 남는다.”는 내용이었습니다.
요즘 취업이 쉽지 않다는 건 누구나 느끼실 것 같아요. 그래서 한정되어있는 취준기간 동안 수강생분들이 어디에 본인의 시간과 에너지 자원을 투자해야할지 고민이 많으셨을 것 같은데, 이런 특강으로 인해 현실적으로 어떻게 취업을 준비하면 좋을지 방향성을 잡는 시간이 되셨을거라고 생각합니다.
Chapter 6. 취업 연계와 커리어 지원은?
Q. 포트폴리오 프로젝트만으로도 채용 공고에 지원 가능한 수준이 될 수 있을까요?
A. DA/AI 트랙의 커리큘럼 모두 채용공고를 분석해서 시장에서 가장 수요가 높은 기술스택을 위주로 구성하였기 때문에, 미션과 프로젝트를 잘 수행하셨다면 당연히 채용 공고에 지원 가능한 수준이 될 수 있다고 생각해요.
실질적으로 중요한 것은 지원 가능한 수준을 넘어 서류에서 임팩트를 주어 채용 가능성을 높일 수 있는 수준이 되는가 일거라고 생각하는데요. AI 엔지니어는 어느 정도 개발의 영역에 포함되어 있기 때문에 개발자 포트폴리오처럼 작성하는 것이 가능하다고 생각해요. 어떤 기술 스택으로 어떤 개발 프로젝트를 해보았고, 어떤 역할을 맡았으며 어떤 어려움을 어떤식으로 극복했다는 경험 자체가 굉장히 큰 무기가 되는거죠. 꼬리질문에 잘 대답하다보면 좋은 인상을 남길 수 있어요. 그래서 코드잇의 프로젝트를 성실하게 참여하고 기록을 잘 해둔다면 그 자체만으로도 굉장히 취업에 유리할 거라고 자신합니다.
DA 트랙에서의 프로젝트 또한 실제 기업에서 발생한 데이터로 진행되기 때문에 좋은 경험으로 소개할 수 있을거에요. 하지만 현 시점 데이터 분석가 신입으로 취업에 성공하기 위한 가장 좋은 방법은 “내가 지원하고 싶은 기업을 타겟으로 하는 외부 분석”이에요. 내가 만약 코드잇이라는 기업에 취업하고 싶다면, 코드잇에 대해서 여러가지로 리서치해보고 내가 수집할 수 있는 범위의 코드잇 관련 데이터를 수집해서 분석해보는거죠. ‘내가 코드잇에 대해 분석해보니 코드잇은 현재 이런 상황인 것 같다. 따라서 이런 방향으로 투자해야한다고 생각한다’와 같은 인사이트를 서류와 면접에서 잘 어필하면 굉장히 큰 임팩트를 줄 수 있다고 생각해요.
내가 원하는 채용공고는 기습적으로 올라오고 빠르게 사라지니, 위에서 언급한 외부 분석을 포함한 맞춤형 포트폴리오를 만드는 것이 굉장히 중요하다고 생각합니다. DA 스프린트 트랙에서는 프로젝트 뿐만 아니라 개인적으로 수행하는 실습과제에서조차 정말 집요하게 데이터 분석 보고서 작성을 요청드리고 꼼꼼하게 피드백 드리고 있어요. 저희와 함께 분석 보고서를 작성하는 ‘감’을 잡으신다면 나중에 실무에서 뿐만 아니라 취업을 하시는데도 큰 도움 받으실 수 있을 거라고 생각합니다.
Q. 기술 역량 외에 이력서, 인터뷰, 기술 발표 등 커리어 준비는 어떤 방식으로 지원되고 있나요?
A. 코드잇 스프린트에는 “취업전략팀” 이라는 부서가 따로 있어요. 스프린터의 취업을 위해 매 순간 최선을 다하시는 커리어코치들로 구성된 팀인데요. 스프린트의 커리어 지원은 과정 중, 과정 수료 이후로 나눠져요.
과정 중에는 여러가지 커리어 미션들을 통해 내 장점이 무엇이고 주요 역량이 무엇인지 파악하고, 프로젝트에서의 경험을 구조화 하는 작업을 진행합니다. 또한 외부 연사님을 모셔 취업 특강/커리어 특강도 정기적으로 진행하고 있습니다.
수료 후에는 과정 중에서 진행했던 미션들을 바탕으로 본격적인 커리어 프로그램에 참여하실 수 있어요. 커리어 프로그램에서는 커리어코치와 함께 신입 취업 준비 전략과 면접 준비 세션, 이력서 가이드, 채용공고 탐색 및 분석, 현직자 밀착 1:1 이력서 멘토링과 기술/직무 모의 면접까지 차근차근 단계별로 함께 하실 수 있어요.
Chapter 7. 교육 PM의 관점에서 본 성과와 고민
Q. 데이터/AI 트랙을 운영하며 가장 보람 있었던 순간은 언제였나요?
A. 하나만 꼽기가 정말 어려운 것 같아요. 스프린터 분들이 프로젝트 기간 동안에 치열하게 토론하고 고민하시는 모습 자체에서 동기부여를 많이 받습니다. 각종 만족도 조사에서 좋은 말씀 남겨주시는 것도 정말 기분 좋은 것 같아요. 수료식 날 그동안 감사했다는 개인 메시지도 너무 소중하고 값지다고 생각하고 있습니다. 하지만 부트캠프의 가장 최우선목표는 수강생분들의 취업이니까, 취업에 성공하셨다는 소식이 들려올 때 가장 큰 보람을 느끼는 것 같아요. 많은 분들의 커리어에 영향을 끼치고 있는 직업이라는 것을 다시 떠올리면서 어떤 걸 더 발전 시킬 수 있을지 고민하게 되는 원동력이 됩니다.
Q. 앞으로 두 트랙을 어떤 방향으로 더 발전시키고 싶으신가요?
A. 데이터 분석가 트랙은 AI의 발전으로 인해 빠르게 변화하고 있는 데이터 분석 직군의 업무성격을 트랙에 잘 적용시켜보고 싶어요. 어떻게 하면 기본기를 잘 갖고 있으면서도 AI 활용도 또한 뛰어난 균형감 있는 인재로 수강생분들을 업그레이드 시킬 수 있을지 고민하고 있어요.
AI 엔지니어 트랙은 지금 시점의 커리큘럼에 꽤 자신이 있어요. 정말 AI 엔지니어에게 필요한 스택들을 컴팩트하게 잘 구성했다고 생각해요. 저희 트랙에 합류하시는 강사님/멘토님 들도 커리큘럼에 대해서 좋은 평가를 남겨주시고 계세요. 다만, 현재에 안주하지 않고 AI 취업시장을 잘 모니터링하면서 변화를 감지하려고 노력하고 있어요. 언제든지 커리큘럼을 개선할 수 있는 만반의 준비를 다 하고 있답니다.
하지만 무엇보다도 두 트랙 모두 제 개인적인 판단 보다는 ‘커리큘럼이 취업 시장의 수요를 잘 충족시키고 있으며, 취업 시장에서의 차별화를 줄 수 있는가?’를 중심으로 개선하는게 중요하다고 생각해요. 코드잇 스프린트에는 강사님, 멘토님, 코드잇 소속 콘텐츠 프로듀서 등 커리큘럼 발전에 의견을 주시는 전문가들이 매우 많이 참여하고 계십니다. 저는 앞으로도 전문가 분들의 여러 의견들을 균형있게 청취하면서 좀 더 스마트한 부트캠프가 될 수 있도록 개선을 거듭하는 역할을 맡으려고 해요. 앞으로의 스프린트를 기대해주시면 감사하겠습니다.
Share article
