다음 이직을 준비하면서 채용 페이지를 보고 있는데, 비슷한 기술 이름이 계속 반복되는 순간이 있습니다. Python을 앞에 둘지, PyTorch를 강조할지, 아니면 Kubernetes 같은 운영 기술을 먼저 보여 줄지 망설여집니다.
그래서 최근 30일 동안 AI·머신러닝 공고 25건을 세었습니다. 18개 회사의 공고에서 어떤 기술이 자주 보였는지 확인하고, 이력서의 앞부분에 무엇을 배치하면 좋을지 정리했습니다.
최근 30일 AI·머신러닝 공고는 무엇을 요구했나
가장 많이 보인 기술은 Python이었습니다. 25건 중 11건에서 확인됐습니다. 그다음은 PyTorch 8건, Kubernetes 7건, VLLM 6건 순서였습니다.
| 기술 | 공고 수 | 회사 예시 |
|---|---|---|
| Python | 11 | 고영테크놀러지, 두산로보틱스, 에이블리코퍼레이션, 에이아이트릭스, 올리브영 |
| PyTorch | 8 | 넷마블, 두산로보틱스, 액션파워, 에이블리코퍼레이션, 에이아이트릭스 |
| Kubernetes | 7 | 베슬에이아이, 에이블리코퍼레이션, 에이아이트릭스, 올리브영, 임팩티브에이아이 |
| VLLM | 6 | 회사 예시는 이번 표에 넣지 않았습니다 |
| LLM | 5 | 회사 예시는 이번 표에 넣지 않았습니다 |
| Docker | 5 | 회사 예시는 이번 표에 넣지 않았습니다 |
| Kotlin | 4 | 회사 예시는 이번 표에 넣지 않았습니다 |
| C++ | 4 | 회사 예시는 이번 표에 넣지 않았습니다 |
| Elasticsearch | 3 | 회사 예시는 이번 표에 넣지 않았습니다 |
| SGLANG | 3 | 회사 예시는 이번 표에 넣지 않았습니다 |
Python은 특정 모델이나 인프라에 한정되지 않고 여러 AI·머신러닝 업무의 바탕으로 보입니다. PyTorch는 모델 개발 경험을 보여 주는 기술로, Kubernetes는 모델과 서비스를 운영하는 환경을 보여 주는 기술로 읽을 수 있습니다.
Python은 왜 가장 앞에 있었나
이번 공고에서 Python은 가장 자주 등장한 기술입니다. 고영테크놀러지, 두산로보틱스, 에이블리코퍼레이션, 에이아이트릭스, 올리브영의 예시가 있습니다.
이 숫자가 Python만 잘하면 된다는 뜻은 아닙니다. 다만 이력서에서 Python이 실제로 어떤 일을 하는 데 쓰였는지 설명할 수 있다면 첫 화면에서 직무와의 연결을 만들기 쉽습니다.
예를 들어 Python을 사용했다는 한 줄보다, Python으로 모델 학습 코드를 구성했는지, 데이터를 처리했는지, 서비스에 연결했는지를 보여 주는 편이 더 구체적입니다. 공고가 요구한 기술 이름을 자신의 작업 결과와 함께 보여 주는 방식입니다.
PyTorch는 어떤 경험을 보여 주나
PyTorch는 8건에서 보였습니다. 넷마블, 두산로보틱스, 액션파워, 에이블리코퍼레이션, 에이아이트릭스가 예시입니다.
PyTorch를 이력서 앞부분에 둘 때는 사용 여부만 적기보다 어떤 모델을 다뤘는지와 어떤 결과를 만들었는지를 가까이 배치하는 것이 좋습니다. 모델을 학습했다면 학습 과정에서 맡은 부분을, 모델을 서비스에 연결했다면 배포와 운영 과정에서 맡은 부분을 함께 적는 식입니다.
Python과 PyTorch가 모두 있다면 둘을 따로 흩어 놓기보다 하나의 프로젝트 설명 안에서 연결해 보여 주는 편이 읽는 사람에게 더 빠르게 전달됩니다.
Kubernetes는 모델 개발 이력과 어떻게 이어지나
Kubernetes는 7건에서 확인됐습니다. 베슬에이아이, 에이블리코퍼레이션, 에이아이트릭스, 올리브영, 임팩티브에이아이의 예시가 있습니다.
AI·머신러닝 직무를 생각할 때 모델을 만드는 경험만 떠올리기 쉽지만, 실제 공고에는 모델을 서비스 환경에서 다루는 기술도 함께 보입니다. Kubernetes를 사용했다면 클러스터를 다뤘다는 사실보다 어떤 서비스를 운영했고, 배포나 확장 과정에서 무엇을 맡았는지를 앞에 두는 것이 좋습니다.
이력서의 기술 목록에 Kubernetes만 적어 두면 경험의 깊이를 판단하기 어렵습니다. 모델이나 API를 실제 환경에 올린 작업이 있다면 프로젝트 설명에서 Python, PyTorch와 연결해 보여 주세요.
VLLM과 LLM은 어디에 놓을까
VLLM은 6건, LLM은 5건에서 보였습니다. Docker도 5건이었습니다.
이 기술들은 AI·머신러닝 직무의 최근 업무 맥락을 보여 주는 이름으로 읽을 수 있습니다. 다만 기술명만 나열하면 서로 다른 수준의 경험이 한 줄에 섞일 수 있습니다.
LLM을 활용한 기능을 만들었다면 어떤 입력을 받아 어떤 결과를 제공했는지, VLLM을 사용했다면 모델을 어떤 방식으로 제공했는지, Docker를 사용했다면 개발 환경인지 배포 환경인지 구분해서 적는 편이 좋습니다.
기술 이름의 개수보다 중요한 것은 그 기술로 무엇을 만들었는지가 한눈에 보이는지입니다.
Kotlin과 C++도 함께 보였다
Kotlin과 C++은 각각 4건에서 확인됐습니다. AI·머신러닝이라는 직무명만 보고 Python 계열 기술만 준비해야 한다고 생각했다면, 이 결과는 이력서를 다시 보는 계기가 될 수 있습니다.
Kotlin이나 C++ 경험이 있다면 뒤쪽의 기타 기술로 밀어 두기보다 지원하려는 공고와 연결되는 경우 앞부분에 배치할 수 있습니다. 다만 모든 기술을 같은 크기로 보여 주면 핵심이 흐려집니다.
지원하는 공고에서 가장 직접적으로 요구하는 기술을 위에 두고, 그 기술을 실제 프로젝트에서 사용한 결과를 바로 이어 쓰는 구성이 읽기 쉽습니다.
경력 요구는 어떻게 적혀 있었나
경력 요구를 보면 3~4년 이상이 11건으로 가장 많았습니다. 표기 없음은 6건, 신입·무관은 3건이었습니다. 5~7년 이상은 2건, 1~2년 이상은 2건, 8년 이상은 1건이었습니다.
이 결과를 보고 자신의 연차와 맞지 않는다고 바로 판단할 필요는 없습니다. 이력서에서는 연차를 설명하는 문장보다, 공고의 기술 요구에 해당하는 일을 해 왔다는 사실을 먼저 보여 주는 편이 좋습니다.
3~4년 이상을 요구하는 공고를 보고 있다면 Python, PyTorch, Kubernetes 가운데 자신이 실제로 사용한 기술을 앞에 두고 프로젝트 결과를 붙여 보세요. 신입·무관 공고를 보고 있다면 기술을 배웠다는 사실보다 직접 만든 결과와 맡은 범위를 구체적으로 보여 주는 것이 도움이 됩니다.
이 숫자로 말하지 않는 것
이번 글의 표본은 최근 30일 동안의 AI·머신러닝 공고 25건입니다. 18개 회사에서 모은 공고를 기준으로 셌습니다.
기술별 숫자는 이번 표본에서 확인한 공고 수입니다. AI·머신러닝 직무 전체의 기준이라고 말할 수는 없습니다. 특정 기술이 적게 보였다고 해서 그 기술의 중요도가 낮다고 단정할 수도 없습니다.
경력 요구는 3~4년 이상 11건처럼 공고에 적힌 표현을 묶어 본 결과입니다. 기술의 실제 사용 깊이나 지원자의 합격 가능성을 숫자만으로 판단한 것은 아닙니다.
측정 시각은 2026-10-11 11:55 KST입니다. tailf 는 352개 회사와 열린 공고 2080건을 보고 있으며, 이번 글에서는 그중 AI·머신러닝 공고를 기준으로 셌습니다.
그래서 이력서에는 무엇을 앞에 둘까
먼저 오늘 할 수 있는 일부터 적겠습니다.
최근 30일 동안 지원하려는 AI·머신러닝 공고를 다시 보고, 반복해서 등장하는 기술을 자신의 프로젝트 설명과 연결해 보세요. Python을 썼다면 어떤 문제를 해결했는지, PyTorch를 썼다면 어떤 모델 작업을 했는지, Kubernetes를 썼다면 어떤 서비스를 운영했는지를 기술명 바로 뒤에 적는 방식입니다.
이력서 첫 화면에는 자신이 실제로 사용한 기술 중 지원 공고와 가장 가까운 것을 두고, 그 기술로 만든 결과를 이어 붙이는 편이 좋습니다. 기술 목록만 길게 늘어놓기보다 공고의 요구와 자신의 경험이 맞닿는 문장을 먼저 보여 주세요.
제가 만드는 tailf 는 회사 채용 페이지를 매일 확인해 새 개발 공고를 모아 알려 줍니다. 로그인이 없고 잠금화면에는 한 줄만 보이며, 쓰는 기술 두 개를 고르면 지난 30일 공고 수를 가입 없이 세어 줍니다.
다음 화
다음 화는 매일 쌓이는 채용 데이터에서 고른 주제를 다룹니다. 특정 회사나 직무를 미리 약속하지 않고, 그때 확인한 공고에서 독자가 가져갈 수 있는 기술과 지원 준비 내용을 정리하겠습니다.
봐 줬으면 하는 회사가 있으면 댓글로 남겨 주세요.
