AI 엔지니어 이력서 가이드 (2026): 예시, ATS 키워드, 경력 요약, 연봉

2026년의 AI 엔지니어 이력서는 다른 무엇보다 먼저 한 가지 질문으로 평가됩니다. 모델을 프로덕션에 올렸는가, 그리고 실제 트래픽이 들어왔을 때 무슨 일이 벌어졌는가. 직함은 믿을 것이 못 됩니다. 같은 자리가 AI 엔지니어, ML 엔지니어, 응용 과학자(applied scientist), LLM 엔지니어, GenAI 개발자라는 이름으로 공고에 올라오고, 서류를 걸러내는 지원자 추적 시스템(ATS)은 직함의 단어가 아니라 불릿 안의 단어를 매칭합니다. 이 가이드는 무엇을 증명해야 하는지, 파서와 채용 매니저가 모두 알아볼 수 있도록 어떻게 표현해야 하는지, 어떤 키워드가 이력서에 들어가야 하는지, 어떤 자격증이 아직 의미가 있는지, 그리고 직접 확인할 수 있는 출처에 따르면 이 직무의 연봉이 얼마인지 보여줍니다.

핵심 요약

• 프로덕션 증거를 앞세우십시오. 지연 시간, 비용, 정확도, 사용량 숫자가 붙은 출시 시스템 하나가 수업 프로젝트 열 개보다 낫습니다.
• 스택을 정확하게 적으십시오. 파서는 문자열을 그대로 매칭합니다. "최신 ML 툴링"이 아니라 "PyTorch", "vLLM", "LangChain", "pgvector"라고 쓰십시오.
• 스킬 섹션은 모델링, 서빙과 인프라, 평가라는 세 층으로 나누십시오. 채용 매니저는 이를 세 가지 다른 역량으로 읽습니다.
• 지루한 부분을 수치화하십시오. p95 지연 시간, 요청 1,000건당 GPU 비용, 평가 통과율, 환각률이 면접 연락을 받게 하는 숫자입니다.
• 2026년 연봉의 폭은 넓습니다. 가장 가까운 미국 연방 직업 분류의 중위값은 140,300달러, 중견 기업의 평균 총보상은 211,243달러, Levels.fyi에 보고하는 기업들의 총보상 중위값은 250,000달러입니다.

2026년 AI 엔지니어 이력서는 무엇을 증명해야 합니까?

네 가지를 이 순서대로 증명해야 합니다.

출시한 경험이 있다. 실제 사용자나 실제 시스템이 의존하는 모델, 에이전트, 검색 파이프라인, 추론 서비스입니다. 처리량을 명시하십시오. 일일 요청 수, 인덱싱한 문서 수, 서비스한 사용자 수, 자동화한 의사결정 수 같은 것입니다.

측정할 수 있다. 현대의 모든 AI 팀은 평가를 돌립니다. 이력서는 당신이 평가 세트를 구축하거나 유지했고, 비즈니스에 중요한 지표를 추적했으며, 그 지표를 움직였다는 것을 보여줘야 합니다. "리랭킹과 인용 검증을 추가해 내부 평가 세트의 답변 정확도를 71%에서 86%로 높였다"는 두 번 읽히는 문장입니다.

비용과 지연 시간을 이해한다. 생성형 시스템은 비쌉니다. "연속 배칭(continuous batching)을 적용한 vLLM에서 양자화된 8B 모델을 서빙하도록 전환해 추론 비용을 38% 절감했다"고 말할 수 있는 후보자는 대부분의 지원자에게 없는 능력을 설명하고 있는 것입니다.

경계를 넘어 일할 수 있다. AI 엔지니어는 연구, 데이터 엔지니어링, 백엔드, 프로덕트 사이에 자리합니다. 모델을 학습시켰다는 것만이 아니라, API를 작성했고, 배포를 책임졌고, 데이터 파이프라인을 디버깅했고, 출시 리뷰를 주도했다는 것을 보여주십시오.

이력서가 증명할 필요가 없는 것: 트랜스포머 아키텍처를 암송할 수 있다는 사실입니다. 그것은 면접에서 검증합니다. 이력서는 면접 기회를 얻기 위한 것입니다.

경력 요약은 레벨별로 어떻게 읽혀야 합니까?

세 줄에서 네 줄입니다. 직함, 연차, 스택, 숫자가 붙은 증거 하나, 그리고 다음에 다루고 싶은 문제의 종류. 자신을 꾸미는 형용사는 넣지 않습니다.

신입 (0~2년, 또는 커리어 전환)

소프트웨어 엔지니어링 배경을 가진 AI 엔지니어로, 프로덕션 환경에서 LLM 기능을 18개월간 구축. 검색 증강 기반 고객지원 어시스턴트(Python, LangChain, pgvector, OpenAI API)를 출시해 주당 1,200건의 티켓을 에스컬레이션 없이 83%의 해결률로 처리. 평가, 프롬프트 버전 관리, 모델을 감싸는 FastAPI 서비스를 직접 책임지는 데 익숙함. 모델이 데모가 아니라 제품의 일부인 팀을 찾고 있음.

중급 (3~6년)

머신러닝 엔지니어, 5년 경력, LLM 애플리케이션과 추론 인프라 전문. 400명 규모의 핀테크에서 호스팅 API를 vLLM과 Kubernetes 기반 자체 호스팅 Llama 모델로 전환하는 작업을 주도해, p95 지연 시간을 900ms 아래로 유지하면서 요청 1,000건당 비용을 61% 절감. 회사의 평가 하네스(라벨링된 케이스 1,800개, 야간 실행, CI 회귀 게이트)를 구축. PyTorch, Ray, Triton, Terraform, AWS.

시니어 및 스태프 (7년 이상)

추천 시스템과 생성형 AI를 아우르는 9년 경력의 스태프 AI 엔지니어. 마켓플레이스를 위해 일일 4,000만 건의 추론을 서빙하는 플랫폼(피처 스토어, 모델 레지스트리, 카나리 배포, 온콜)을 책임짐. 벤더 API 두 개를 대체한 도메인 모델의 파인튜닝(LoRA, DPO)을 주도해 연간 210만 달러 절감. 엔지니어 3명을 관리하며 채용과 멘토링을 담당. 조직의 평가 및 안전성 리뷰 기준을 수립.

각 요약이 무엇을 하는지 보십시오. 처리량 숫자, 전후 비교 숫자, 그리고 이름이 명시된 스택입니다. 파서는 키워드를 얻고, 매니저는 계속 읽을 이유를 얻습니다.

강력한 AI 엔지니어 성과 불릿은 어떤 모습입니까?

이 패턴을 사용하십시오. 동사, 구축한 것, 스택, 측정된 결과. 아래 숫자는 예시입니다. 당신의 숫자로 바꾸고, 면접에서 방어할 수 있는 것만 남기십시오.

• 내부 문서 230만 건을 대상으로 검색 증강 생성(RAG) 파이프라인(청킹, BM25와 임베딩을 결합한 하이브리드 검색, 크로스 인코더 리랭킹)을 구축해 1,200개 케이스 평가 세트의 답변 정확도를 64%에서 88%로 향상.
• 큐레이션된 예시 4만 개로 7B 오픈 웨이트 모델을 LoRA로 파인튜닝. 팀 평가 기준에서 호스팅 프론티어 모델과 동등한 성능을 토큰당 1/14의 비용으로 달성.
• 추론을 관리형 엔드포인트에서 연속 배칭과 FP8 양자화를 적용한 Kubernetes 위의 vLLM으로 이전해 GPU 비용 52% 절감, p95 지연 시간 2.4초에서 780ms로 단축.
• LLM 평가 프로그램을 설계하고 운영: 라벨링된 케이스 3,400개, 사람이 보정한 LLM-as-judge(Cohen's kappa 0.81), 2포인트 하락 시 배포를 차단하는 야간 회귀 실행.
• Zendesk와 Stripe에 툴 호출을 수행하며 월 9,000건의 고객지원 티켓을 분류하는 에이전트를 출시. 71%를 사람 개입 없이 해결, 에스컬레이션 정밀도 96%.
• 인용 기반 근거 제시, 거부 임계값, 생성 후 주장 검증기를 추가해 고객 대상 답변의 환각률을 11%에서 2.3%로 감소.
• 프로덕션 모델 14개에 데이터를 공급하는 피처 스토어와 학습 파이프라인(Airflow, Spark, Snowflake)을 책임지며 피처 신선도 지연을 6시간에서 15분으로 단축.
• 23개 서비스에 프롬프트 버전 관리와 트레이싱(모델 호출별 OpenTelemetry 스팬)을 도입해 모델 회귀 진단에 걸리는 평균 시간을 수일에서 1시간 미만으로 단축.
• 출시 전 안전성 리뷰와 레드팀 훈련을 주도. 31개의 실패 모드를 문서화하고 리플레이에서 그중 99.4%를 차단하는 가드레일을 출시.
• 백엔드에서 응용 AI로 전환하는 엔지니어 4명을 멘토링. 그중 2명이 현재 프로덕션 모델을 책임지고 있음.

규칙은 세 가지입니다. "도왔다"나 "참여했다"가 아니라 당신의 기여를 설명하는 동사(구축, 주도, 책임, 설계)로 시작하십시오. 가능하면 숫자를 첫 절에 넣으십시오. 툴 이름은 문장 안에 쓰십시오. 파서가 찾는 곳이 바로 거기입니다.

약한 불릿을 면접 연락을 받는 불릿으로 어떻게 고쳐 씁니까?

같은 일을 세 가지 방식으로 설명합니다. 첫 번째 버전은 대부분의 AI 엔지니어 이력서가 쓰는 방식입니다. 세 번째가 두 번 읽히는 버전입니다.

Before: "OpenAI와 LangChain을 사용해 고객지원용 LLM 챗봇 작업을 수행."

Better: "OpenAI API 위에 LangChain과 pgvector 검색 레이어로 고객지원 어시스턴트를 구축."

Strong: "검색 증강 기반 고객지원 어시스턴트(OpenAI API, LangChain, 헬프센터 청크 18만 개를 담은 pgvector)를 구축해 현재 주당 1,200건의 티켓을 처리. 리랭킹과 거부 임계값을 추가해 에스컬레이션 없는 해결률을 54%에서 83%로 향상."

무엇이 바뀌었는가: 소유권을 주장하는 동사, 파서가 찾을 수 있는 위치에 적힌 스택, 처리량, 그리고 지표를 움직인 메커니즘이 붙은 전후 비교 수치입니다. 세 번째 버전은 또한 면접관이 후속 질문을 던질 수 있는 유일한 버전인데, 바로 그것이 핵심입니다.

Before: "모델 배포와 MLOps 담당."

Strong: "프로덕션 모델 14개의 배포를 책임짐(모델 레지스트리, 카나리 배포, 5분 이내 롤백). 서빙을 EKS 위의 Triton으로 이전해 트래픽이 3배로 늘어난 상황에서 p95 지연 시간을 410ms에서 160ms로 단축."

Before: "프롬프트 엔지니어링으로 모델 정확도 개선."

Strong: "구조화된 프롬프트, 유사한 해결 사례의 few-shot 검색, 검증 패스를 통해 900개 케이스 평가 세트의 과제 정확도를 72%에서 91%로 향상. 다음 엔지니어가 재현할 수 있도록 평가를 문서화."

강한 버전에서 눈여겨볼 점이 두 가지 있습니다. 평가 세트의 크기를 밝힌다는 점입니다. 분모 없는 "정확도가 올라갔다"는 반증이 불가능하고, 경험 많은 검토자는 이를 깎아서 봅니다. 그리고 메커니즘을 한 절로 설명한다는 점입니다. 이는 숫자가 움직일 때 우연히 그 자리에 있었던 것이 아니라 왜 움직였는지 이해했다는 것을 읽는 사람에게 알려줍니다.

이력서를 보내기 전의 실용적인 테스트: 각 불릿에 대해, 회의적인 시니어 엔지니어가 "어떻게?"라고 물었을 때 본문에서 구체적인 답을 얻을 수 있는지 확인하십시오. 답이 "불릿에 그런 내용은 없다"라면 그 불릿은 아직 완성되지 않은 것입니다.

AI 엔지니어 이력서에는 어떤 ATS 키워드가 들어가야 합니까?

ATS는 추론하지 않습니다. 공고에 "RAG"라고 적혀 있고 이력서에 "검색 파이프라인"이라고 적혀 있다면, 대부분의 시스템은 둘을 연결하지 못합니다. 공고를 읽고, 당신에게 해당되는 경우 공고의 정확한 용어를 그대로 쓰고, 아래 목록 중 해당하는 항목을 채우십시오.

이력서 전체에 이 중 30~40개가 들어가는 것은 시니어 후보자에게 정상입니다. 해당하는 자리에 두십시오. 스택은 스킬 섹션에, 방법론은 불릿에 넣습니다. 표를 그대로 붙여 넣지 마십시오. 문장 없이 홀로 놓인 키워드는 읽는 사람에게 아무것도 말해주지 않으며, 일부 파서는 쉼표로 나열된 용어 덩어리의 순위를 낮춥니다.

표기를 통일해야 할 것이 두 가지 있습니다. "machine learning"과 "ML"을 각각 최소 한 번씩, "large language model"과 "LLM"을 각각 최소 한 번씩 쓰십시오. 공고는 둘 중 어느 쪽이든 사용하고, 정확 일치 시스템은 이들을 서로 다른 토큰으로 취급하기 때문입니다.

스킬 섹션은 어떻게 구성해야 합니까?

레이블이 붙은 세 줄입니다. 알파벳 범벅이 아닙니다.

모델링: PyTorch, Hugging Face Transformers, LoRA/QLoRA 파인튜닝, DPO, 임베딩, 평가 설계 서빙과 인프라: vLLM, Triton, Ray, Kubernetes, Docker, Terraform, AWS(SageMaker, Bedrock, EKS), GCP Vertex AI 데이터와 툴링: Python, SQL, Spark, Airflow, Snowflake, pgvector, MLflow, Weights & Biases, OpenTelemetry

채용 매니저는 이것을 4초 안에 읽고, 당신이 배포할 수 있는 모델러인지 학습시킬 수 있는 인프라 엔지니어인지 파악합니다. 둘 다 채용 대상입니다. 불릿은 다른 이야기를 하는데 세 번째 유형, 즉 연구자인 척하는 것이 이력서를 옆으로 치워지게 만듭니다.

2026년 공고에 전형적으로 나타나는 필수 요건과 우대 요건은 다음과 같습니다.

AI 엔지니어 이력서에서 여전히 가치 있는 자격증은 무엇입니까?

벤더가 말하는 것보다 적습니다. 프로덕션 증거는 모든 자격증보다 우선합니다. 2026년에 기재할 가치가 있는 것은 두 가지로, 채용 매니저가 알고 있고 내용이 실제 업무와 맞아떨어지기 때문입니다.

• Google Cloud Professional Machine Learning Engineer. 2시간 시험, 50~60문항, 200달러. Google은 3년 이상의 업계 경험(그중 최소 1년은 Google Cloud)을 권장합니다. 공고에 Vertex AI나 BigQuery가 언급되면 유효합니다.
• AWS Certified Machine Learning Engineer – Associate (MLA-C01). 현행 시험은 2026년 9월 28일까지 응시할 수 있고, 개정판(MLA-C02)은 2026년 9월 29일에 베타에 들어갑니다. 공고에 SageMaker나 Bedrock이 언급되면 유효합니다.

빼야 할 것이 하나 있습니다. Microsoft는 2026년에 Azure AI Engineer Associate(AI-102) 자격증과 그 갱신 평가를 폐지했습니다. 보유하고 있다면 취득 연도와 함께 기재하고, 현재 유효한 것처럼 제시하지 마십시오. Azure 관련 항목을 추가하기 전에 Microsoft Learn에서 이를 대체한 자격증을 확인하십시오.

강좌 수료증(부트캠프, MOOC)은 맨 아래 한 줄로 넣거나 아예 넣지 않습니다. 경력자의 이력서를 움직이지 못하고, 주니어의 이력서는 희석시킵니다.

2026년 AI 엔지니어는 얼마를 받습니까?

세 개의 출처, 세 개의 서로 다른 모집단입니다. 지원하려는 기업에 맞는 것을 사용하십시오.

격차를 읽는 방법: BLS는 정부, 대학, 소규모 기업을 포함한 경제 전체를 다룹니다. Built In은 벤처 투자를 받은 기업과 중견 테크 기업에 치우쳐 있습니다. Levels.fyi는 주식이 총보상의 3분의 1 이상을 차지하는 대형 테크 기업에 치우쳐 있습니다. 프론티어 랩은 이 셋보다 훨씬 많이 지급하지만, 그것은 다른 시장입니다.

이력서에 활용하는 방법: 연봉 숫자를 이력서에 적지 마십시오. 자신이 어느 구간에서 경쟁하는지 판단하고, 그 구간이 기대하는 증거를 불릿이 담고 있는지 확인하는 데 사용하십시오. 비용, 지연 시간, 규모 숫자가 하나도 없는 이력서에 총보상 250,000달러짜리 오퍼가 나오는 일은 거의 없습니다.

어떤 실수가 AI 엔지니어 이력서를 탈락시킵니까?

구축한 시스템이 아니라 호출한 모델을 나열하는 것. "GPT-4, Claude, Gemini 경험"은 모든 지원자가 쓸 수 있는 한 줄입니다. 그 호출을 둘러싼 시스템을 설명하십시오.

수업 프로젝트를 실무로 포장하는 것. 리크루터는 Kaggle Titanic 데이터셋과 흔한 감성 분류기를 알아봅니다. 프로젝트를 꼭 넣어야 한다면 사용자와 URL이 있는 것을 넣으십시오.

숫자가 없는 것. 이 직무는 정량적입니다. 지표가 하나도 없는 이력서는 대시보드를 한 번도 본 적 없는 사람의 이력서로 읽힙니다.

엔지니어링 직무에 연구자 프레임을 쓰는 것. 논문과 인용은 응용 과학자 직무에서 중요합니다. AI 엔지니어 직무에서는 출시된 서비스가 워크숍 논문보다 낫습니다.

스택 채우기. 스킬 섹션에 툴 40개를 적어 놓고 그것을 사용한 불릿은 하나도 없는 경우입니다. 파서는 매칭할 수 있겠지만, 그 뒤에 오는 사람의 검토는 통과하지 못합니다.

숨겨진 형식 문제. 2단 레이아웃, 이미지 안의 텍스트, 스킬 바 그래픽은 파서를 망가뜨립니다. 1단, 표준 제목, PDF 또는 DOCX를 사용하십시오. 보내기 전에 이력서가 어떻게 파싱되는지 확인하십시오. 수정은 보통 5분이면 됩니다.

모호한 AI 안전성 표현. "책임 있는 AI에 열정이 있습니다"는 슬로건입니다. "출시 전 레드팀 훈련 수행, 31개 실패 모드 문서화, 가드레일 출시"는 증거입니다.

기업 유형에 따라 이력서는 어떻게 달라져야 합니까?

스타트업(시드부터 시리즈 B까지). 폭과 속도입니다. 데이터, 모델, API, 배포, 지표까지 끝에서 끝까지 출시했다는 것을 보여주십시오. 비용 통제에 관한 불릿 하나는 효과가 좋습니다. 스타트업 예산은 GPU 청구서에 민감합니다.

규모가 큰 테크 기업. 한 층에서의 깊이와 평가의 엄격함입니다. 평가 하네스, 카나리 프로세스, 온콜 책임, 팀 간 협업을 보여주십시오. 규모는 초당 요청 수나 일일 추론 수로 언급하십시오.

엔터프라이즈(금융, 헬스케어, 보험). 거버넌스와 신뢰성입니다. 모델 문서화, 감사 추적, 개인정보 처리, 접근 제어, 규제 대상 데이터 경험이 있다면 언급하십시오. 여기서는 원시 정확도보다 환각과 거부 지표가 더 중요합니다.

AI 랩과 연구 인접 팀. 학습 인프라, 분산 시스템, 실험의 엄밀함입니다. 여기서는 논문이나 오픈소스 기여가 상단에 놓이는 것이 맞습니다.

컨설팅과 에이전시. 다양한 고객 스택을 다룰 수 있는 폭과 기한 내에 납품해 온 기록입니다. 프로젝트별로 산업과 결과를 명시하십시오.

AI 엔지니어 이력서는 얼마나 길어야 하고 어떤 순서로 구성해야 합니까?

경력 약 6년까지는 1페이지, 그 이후는 2페이지입니다. 순서는 경력 요약, 스킬(세 줄), 경력(최신순, 직무당 불릿 3~6개), 증거가 된다면 선별한 프로젝트나 오픈소스, 마지막으로 학력과 자격증입니다. 학력은 신규 졸업자와 대학원 학위를 요구하는 직무에서만 위로 올라갑니다.

경력 섹션에서 각 직무의 첫 번째 불릿은 가장 큰 숫자가 들어간 것이어야 합니다. 리크루터들은 첫 번째 불릿을 읽고 나머지는 훑어본다고 말합니다. 첫 번째 불릿이 그 직무를 대변하게 하십시오.

자주 묻는 질문

AI 엔지니어 이력서와 머신러닝 엔지니어 이력서의 차이는 무엇입니까?

2026년에는 대부분의 기업이 두 직함을 혼용하고, ATS는 직함이 아니라 스킬을 매칭합니다. 실질적인 차이는 이렇습니다. AI 엔지니어 공고는 LLM 애플리케이션(RAG, 에이전트, 프롬프트와 평가 설계, 추론 비용) 쪽으로 기울고, ML 엔지니어 공고는 학습 파이프라인, 피처 엔지니어링, 대규모 고전 모델 쪽으로 기웁니다. 공고를 읽고 그 어휘를 그대로 반영하십시오. 경험이 둘 다에 걸쳐 있다면 경력 요약에서 그렇게 말하십시오.

AI 엔지니어는 GitHub이나 포트폴리오 링크를 넣어야 합니까?

검토자가 5분 안에 실행하거나 읽을 수 있는 것이 있다면 넣으십시오. 배포된 데모, 문서화가 잘 된 저장소, 실질적인 오픈소스 기여 같은 것입니다. 반쯤 만들다 그만둔 노트북의 무덤이라면 넣지 마십시오. 강력한 링크 하나가 저장소 40개짜리 프로필보다 낫습니다.

AI 엔지니어 이력서가 ATS를 통과하려면 키워드가 몇 개 필요합니까?

마법의 숫자는 없습니다. 공고의 필수 스킬을 정확한 용어로 채우고, 긴 형태와 짧은 형태를 모두 사용하고(machine learning과 ML, large language model과 LLM), 각 키워드가 그것을 사용했음을 보여주는 문장 안에 들어가게 하십시오. 대부분의 시스템은 매칭 품질과 최신성으로 순위를 매기고, ATS 안에서 검색하는 리크루터는 정확한 문자열을 입력합니다. 리크루터가 ATS 안에서 검색하는 방법을 참고하십시오.

AI 엔지니어로 채용되려면 석사 학위가 필요합니까?

아닙니다. 응용 AI에 가장 가까운 연방 직업 분류는 전형적인 진입 학력으로 석사를 들고 있지만, 2026년의 AI 엔지니어링 공고는 학사 학위와 프로덕션 경험의 조합을 일상적으로 받아들입니다. 대학원 학위는 연구 인접 직무와 취업 비자가 걸린 채용에서 가장 도움이 됩니다. 그 외 모든 사람에게는 출시한 시스템이 결정합니다.

회사가 벤더 API만 사용했다면 LLM 경험을 어떻게 보여줍니까?

API를 둘러싸고 구축한 시스템을 설명하십시오. 검색, 프롬프트 버전 관리, 평가, 가드레일, 캐싱, 비용 통제, 모니터링입니다. 바로 그것이 고용주가 채용하려는 스킬입니다. "OpenAI API를 연동했다"는 약한 불릿입니다. "호스팅 모델을 둘러싼 RAG, 평가, 폴백 레이어를 구축해 비용을 40% 줄이고 정확도를 19포인트 높였다"는 강한 불릿이고, 같은 프로젝트입니다.

Copilot이나 Claude Code처럼 코딩에 사용하는 AI 툴을 기재해야 합니까?

공고가 요구하거나 회사가 분명히 중요하게 여기는 경우에만 기재하십시오. 툴링 줄에 한 구절 넣으면 충분합니다. 불릿으로 만들지 마십시오. 그것은 당신이 무엇을 구축했는지가 아니라 어떻게 타이핑하는지를 설명하는 것입니다.

관련 가이드

• 2026년 지원자 추적 시스템의 작동 방식
• LLM 엔지니어 이력서 가이드
• 성과를 수치화하는 이력서 불릿 작성법
• 리크루터가 ATS 안에서 검색하는 방법

출처

1. U.S. Bureau of Labor Statistics, Occupational Outlook Handbook: Computer and Information Research Scientists — 중위 연봉 140,300달러(2025년 5월), 10 및 90 백분위 임금, 38,600개 일자리, 2025~35년 예상 성장률 22%.
2. Levels.fyi: ML / AI Software Engineer salaries, United States — 총보상 중위값 250,000달러(2026년).
3. Built In: AI Engineer salary in the US — 평균 기본급 184,757달러, 추가 현금 보상 26,486달러, 총보상 211,243달러, 범위 80,000~338,000달러(2026년).
4. Google Cloud: Professional Machine Learning Engineer certification — 시험 시간, 문항 수, 가격, 권장 경험.
5. AWS Certified Machine Learning Engineer – Associate — MLA-C01은 2026년 9월 28일까지 응시 가능, MLA-C02 베타는 2026년 9월 29일부터.
6. Microsoft Learn: Azure AI Engineer Associate — 자격증과 갱신 평가가 폐지되었다는 안내.