01 주요 업무
사용자의 정보 탐색 과정을 효과적으로 돕기 위해 서비스에 적용되는 AI 모델 및 파이프라인의 전반적인 성능은 사용자 경험에 핵심적인 영향을 미칩니다. 그럼에도 불구하고 이제 대부분의 AI 모델 성능 향상을 위한 노하우는 논문이나 오픈소스로 공개되지 않는 추세로 돌아섰기 때문에, 머신러닝 리서치 엔지니어가 갖추어야 하는 역량은 더욱 중요해졌습니다. 머신러닝 리서치 엔지니어는 서비스 사용자의 요구사항을 이해하고 정보 인출 (Information Retrieval) 및 대형 언어 모델 (Large Language Model)을 개발하며, 다양한 상황과 제약조건에 적합한 ML 모델의 학습, 추론방법을 결정할 수 있으며, 학습 및 평가 데이터 디자인에 대한 적절한 의견을 제시할 수 있습니다. 또한, 서비스에 적용되는 핵심적인 기술이 아닌 영역이 아니면서 회사 차원의 기술적 방향성과 걸맞는 부분에 대해서 팀 차원의 연구 프로젝트를 진행하고 Top Tier 컨퍼런스 논문을 출판하기도 합니다.
02 자격 요건
- 전산학 석사 이상 혹은 그에 준하는 유관 분야 전공 학위를 소유하고 계신 분 (졸업 예정자 분도 가능합니다)
- 기초적인 전산학 및 수리통계학 지식과 AI 모델의 학습/추론 방식에 대한 이해를 바탕으로 실험 기반 모델 성능 고도화에 익숙하신 분
- NLP 분야 Top Tier 국제 컨퍼런스 (ACL, EMNLP, NAACL 등) 혹은 그에 준하는 ML 분야 컨퍼런스 (Neurips, ICML, ICLR 등) 논문을 읽고 이해하며 구현할 수 있는 분
- NLP 기술을 활용한 서비스 개발 및 운영 경험이 있거나, NLP 분야 Top Tier 국제 컨퍼런스 1저자 출판 경험이 있으신 분
- 기획/디자인/개발/데이터 등 다양한 직군과 함께 문제를 정의하고 해결책을 찾아나가는 협업 능력을 갖추신 분
03 우대 사항
- 협업 코딩 경험이 있으신 분
- AI 모듈 개발을 위해 적용할 수 있는 다양한 현실적인 접근법에 열려 있으신 분
- TensorFlow Serving 을 활용한 모델 배포 및 MLOps 관련 업무 경험이 있으신 분
04 현재 사용하는 기술
- 주요 기술: Pytorch, Tensorflow
- 업무 도구: Git, GitHub, Docker, AWS
- 코드 리뷰: GitHub PR 기반
- CI (빌드, 테스트): GitHub Actions
05 제출 서류 및 절차
- 제출 서류
필수이력서선택그 밖의 개발 관련 프로젝트 혹은 실무 경험을 보여줄 수 있는 자료- 채용 절차: 서류 심사 → 컬처 핏 인터뷰 → 직무 인터뷰 → 최종 합격
- 제출 및 문의: careers@softly.ai
- 메일 제목은 [머신러닝 리서치 엔지니어 (자연어 처리)] 지원자 이름 형식으로 보내주세요! LinkedIn 지원도 가능합니다 🙂
- 그 밖의 궁금하신 내용이 있으신 경우 문의 메일로 커피챗 요청도 언제든 환영입니다 🙂