합격 자소서 평가 스코어
커리어던 분석팀의 5개 항목 평가 (10점 만점 기준)
카카오뱅크 데이터 사이언티스트 핵심 역량 평가 결과입니다. 도메인 특화 ML 설계와 설명 가능한 AI 경험이 당락을 결정합니다.
카카오뱅크 데이터 사이언티스트 전략 분석
2025-2026 AI Native Bank 전환기, 데이터 사이언티스트에게 필요한 것
카카오뱅크는 2025년 if(kakao) 컨퍼런스에서 금융 특화 LLM 평가 프레임워크 DUO(Diverse Understanding and Observation)를 공개했습니다. DUO는 FCA(Financial Calculation Accuracy)와 FMT(Financial Multi-Turn)로 구성되며, 범용 LLM의 금융 계산 취약점을 극복하기 위해 개발되었습니다. 또한 KAIST와의 산학 협력으로 기존 대비 10배 빠른 SHAP 가속화 기술을 FDS에 적용하고 있습니다.
카카오뱅크 데이터 직군이 집중하는 3대 영역
| 영역 | 핵심 기술 | 자소서 어필 포인트 |
|---|---|---|
| 금융 LLM 평가 | DUO (FCA + FMT) | 도메인 특화 평가 지표 설계 경험 — "왜 F1이 아닌 FCA인가" |
| 이상거래 탐지 | FDS + SHAP XAI | 모델 결과를 비즈니스 언어로 변환해 운영팀 설득한 경험 |
| AI 안전성 | lab.fortress 연계 | 금융 모델의 설명 가능성과 편향 탐지 실무 경험 |
합격 자소서 Q&A 심층 분석
실제 합격 자소서의 핵심 문항과 답변 전략 · 익명 처리
저는 카카오뱅크의 FDS(이상금융거래탐지시스템) 고도화에 기여하고 싶습니다. 2025년 if(kakao) 컨퍼런스에서 발표된 SHAP 가속화 기술을 보며, 카카오뱅크가 모델의 '정확도'뿐 아니라 '설명 가능성'을 핵심 가치로 삼는다는 것을 확인했습니다.
대학원 연구 과정에서 금융 사기 탐지 모델을 구축할 때, 단순 정확도(Accuracy 99.2%)는 높았지만 클래스 불균형으로 인해 실제 사기 탐지율(Recall)은 72%에 불과했습니다. 저는 SMOTE 오버샘플링과 Cost-Sensitive Learning을 도입하고, 이후 SHAP으로 주요 피처의 영향도를 시각화하여 준법감시팀에 설명했습니다. 이 경험에서 '모델을 만드는 것'과 '모델을 설명하는 것'은 별개의 역량임을 깨달았습니다.
카카오뱅크의 DUO 프레임워크처럼, 금융 도메인에 맞는 평가 지표를 직접 설계한 경험을 바탕으로, 2,000만 MAU 데이터를 다루는 FDS 모델의 설명 가능성을 높이는 데 기여하겠습니다.
한이음 ICT 멘토링 프로젝트에서 금융 거래 데이터의 이상 탐지 모델을 개발하며 팀 갈등을 해결한 경험을 소개하겠습니다. 5인 팀 중 2명은 딥러닝 모델(LSTM), 3명은 전통적인 통계 기반 접근법을 주장하며 3주째 의견이 좁혀지지 않았습니다.
저는 감정적 논쟁 대신, 두 접근법을 모두 구현한 후 동일한 validation set에서 성능을 비교하는 실험을 제안했습니다. 결과적으로 Isolation Forest + SHAP 기반 설명 모델이 정밀도와 해석 가능성 양쪽에서 우수함을 데이터로 증명했습니다. SHAP을 통해 "이 거래가 이상한 이유는 평균 거래 시간대보다 새벽 3시에 발생했고, 거래 금액이 3개월 평균의 400%이기 때문"이라고 자연어로 설명할 수 있었습니다.
이 경험을 통해 카카오뱅크의 4 Basis 중 '정직함'이 왜 중요한지 이해했습니다. 감이 아닌 데이터로 판단하고, 결과를 투명하게 공유하는 것이 팀 신뢰의 기반임을 배웠습니다.
광탈 vs 합격 자소서 비교
같은 경험도 표현 방식에 따라 결과가 달라집니다
자주 묻는 질문
카카오뱅크 데이터 사이언티스트 지원자가 가장 많이 묻는 것들
함께 보면 좋은 합격 자소서
카카오뱅크 다른 직무 및 데이터 직군 합격 사례