AI·ML 분야 취업·이직에서 가장 결정적인 자산이 「포트폴리오」입니다.
학력이나 자격증보다 「실제 만들어 본 프로젝트」가 훨씬 강력한 평가 기준이며, GitHub·블로그·Hugging Face Spaces에 결과물을 올려 두는 것이 표준입니다.
좋은 포트폴리오 프로젝트의 조건은 다음과 같습니다.
1) 「실제 문제 해결」 — 단순한 튜토리얼 따라하기가 아니라 자기가 정의한 문제를 풀어야 함.
2) 「데모 가능」 — 코드만이 아니라 누구나 직접 써 볼 수 있는 웹 데모(Gradio·Streamlit)가 있으면 가산점.
3) 「깔끔한 README」 — 무엇을 했고, 왜 했고, 결과가 무엇인지 5분 안에 이해 가능.
추천 프로젝트 3종 세트: 1) 「데이터 분석 + 시각화」 — 흥미로운 공개 데이터를 받아 인사이트를 뽑고 Streamlit 대시보드로 만들기.
2) 「ML 모델 + API」 — 작은 분류·회귀 모델을 학습시키고 FastAPI로 배포.
3) 「LLM 응용」 — RAG 챗봇, 자동화 도구 같은 실용 LLM 앱.
GitHub README 작성 팁: 「프로젝트 한 줄 설명 → 데모 GIF/스크린샷 → 사용 기술 → 설치·실행 방법 → 핵심 결과」 순서로 정리.
너무 길지 않게(스크롤 5번 안에) 끝나야 하고, 영어로 적으면 글로벌 채용에도 유리합니다.
포트폴리오는 「양보다 질」입니다.
어설픈 10개보다 잘 만든 3개가 훨씬 강한 인상을 남깁니다.
또 「블로그(Medium·Velog·Tistory)」에 자기 프로젝트 과정과 배운 점을 글로 정리하면 「생각하는 능력」을 함께 보여 줄 수 있어 큰 가산점이 됩니다.
한 줄 요약
AI 포트폴리오의 핵심은 「실제 문제 해결 + 데모 가능 + 깔끔한 README」입니다.
GitHub + Hugging Face Spaces + 블로그의 결합이 표준이며, 양보다 질이 중요합니다.
더 알아볼 것
- 좋은 GitHub README 예시
- Hugging Face Spaces로 데모 호스팅
- 개발 블로그 시작하는 법
