?
Before: 평이한 나열
"Python과 머신러닝을 활용해 추천 시스템을 만들어 본 경험이 있습니다. 당근에서 동네 사람들에게 필요한 물건을 더 잘 보여주는 추천 전문가가 되겠습니다."
Critical Flaws (냉철한 진단)
- 기술적 선택의 '근거'가 부족하여 단순 도구 사용자로 보임
- 정성적 태도(열정, 성실) 위주로 성과가 모호함
- 당근이 추구하는 '로컬 신뢰'와 '비즈니스 확장'의 연계가 약함
TOP TIER PASS
!
After: 합격권 성과 서술
"Two-tower 아키텍처 기반의 지역성 특화 추천 모델을 고도화하여, 유저 관심 매물의 클릭률(CTR)을 전월 대비 25% 향상시켰습니다. 특히 전문 업자의 부정 게시물을 탐지하기 위한 텍스트-이미지 멀티모달 분석 알고리즘을 제안하여 중고거래 신뢰 지표인 매너온도의 데이터 정합성을 확보한 임팩트가 합격의 핵심이었습니다."
CareerDawn Feedback (합격 이유)
도메인 특화 모델링
당근 합격을 위한
3대 코어 전략
01
신뢰(Trust) 데이터 분석
당근은 단순히 기술이 뛰어난 사람보다, 그 기술로 '사용자의 삶을 어떻게 바꿀지' 집요하게 고민하는 사람을 선호합니다. 기술의 'Why'와 'Impact'를 연결하세요.
02
비즈니스 지표 개선력
'로컬'이라는 특수한 도메인에서 발생하는 데이터의 편향성이나 신뢰 문제를 어떻게 공학적으로 또는 기획적으로 해결했는지 구체적으로 보여주세요.
03
당근 데이터 사이언티스트 합격 자소서. 추천 모델 CTR 개선 및 부정 거래 탐지 성과 중심.
개인의 성장보다 '팀의 성공'과 '공유의 가치'를 중시합니다. 코드 리뷰, 기술 블로그, 커뮤니티 기여 등 함께 성장했던 경험을 반드시 포함하세요.
당신의 자소서 온도는 몇 도인가요?
당근 현직자와 함께
합격 매너온도를 높이세요.
"기술적 집요함부터 따뜻한 커뮤니티 감성까지, 당근이 원하는 코드를 정확히 짚어드립니다."