데이터·ML·DL 프리랜서를 모집합니다

• 데이터 수집·정제 파이프라인 설계 및 구축
• 탐색적 데이터 분석(EDA) 및 인사이트 도출
• 머신러닝·딥러닝 모델 설계 및 학습
• 모델 성능 평가 및 하이퍼파라미터 튜닝
• 학습된 모델의 서비스 배포 및 API화
• 데이터 시각화 및 분석 결과 리포트 작성
• 기존 모델의 성능 개선 및 재학습
• 팀 내 데이터 관련 의사결정 지원

자주 쓰는 도구와 기술

• Python
• PyTorch
• TensorFlow
• Pandas
• SQL
• Jupyter Notebook
• MLflow
• AWS SageMaker

작업 흐름

1. 1

   의뢰 기업의 데이터 현황과 프로젝트 목표를 전달받음

2. 2

   필요 기술 스택과 상주 여부·원격 가능 여부 협의

3. 3

   계약 기간을 확정하고 데이터 접근 권한 부여받음

4. 4

   데이터 탐색 및 전처리부터 착수

5. 5

   모델 개발과 검증을 반복하며 진행 상황 공유

6. 6

   계약 종료 시점에 모델과 코드, 문서를 인계

• 상주인지 원격 근무인지로 나눕니다.
• 주 단위 투입 시간(풀타임·파트타임)을 기준으로 산정합니다.
• 데이터 전처리부터 배포까지 어디까지 포함하는지로 구분합니다.
• 계약 기간(단기·중장기)에 따라 다르게 협의합니다.
• 학습에 필요한 컴퓨팅 자원을 누가 제공하는지 반영합니다.
• 모델 재학습·유지보수 지원 포함 여부를 별도로 명시합니다.

패키지 구성 예시

• 다뤄본 데이터 분야(정형, 이미지, 텍스트 등)와 모델 종류를 구체적으로 정리합니다.
• 과거 프로젝트의 데이터 규모와 모델 성능 개선 사례를 포트폴리오에 담습니다.
• 상주 가능 지역과 원격 근무 가능 여부를 프로필에 명확히 표시합니다.
• 면담 요청 시 데이터 특성에 맞는 접근 방법을 제안하는 태도를 보여줍니다.
• 사용 가능한 클라우드·컴퓨팅 환경 경험을 명시합니다.
• 결과를 비즈니스 언어로 설명할 수 있는 커뮤니케이션 능력을 강조합니다.
• 가능한 계약 기간과 투입 가능 시점을 명확히 안내합니다.

데이터 품질 문제를 뒤늦게 발견해 일정이 지연되는 문제

프로젝트 초기 데이터 탐색 단계를 충분히 확보하고 품질 이슈를 먼저 보고합니다.

모델 성능 기대치가 비현실적으로 높은 문제

데이터 한계로 인한 성능 상한선을 초기에 솔직하게 설명합니다.

민감한 데이터 접근 권한 관리 소홀

개인정보나 민감 데이터는 접근 범위와 보안 절차를 계약 시 명확히 합니다.

배포 후 모델 성능이 시간이 지나며 저하되는 문제

모델 성능 저하 가능성과 재학습 필요성을 배포 시점에 안내합니다.

계약 종료 후 코드·모델 인수인계가 부실한 문제

계약 종료 시점 인수인계 문서와 재현 가능한 코드 제공을 계약 조건에 포함합니다.

• 백엔드
• 데브옵스·인프라
• 프론트엔드
• 풀스택
• UI·UX 기획