[코어] 26년 하반기 AI/ML 집중채용_ML (테스트용)

#LI-DNI

# 합류하게 될 팀에 대해 알려드려요
- ML Engineer (Platform)은 ML Platform 팀에 속하여, 여러 ML Engineer 들 및 MLOps Engineer와 함께 일해요.
- ML 기술을 통해서 여러 비즈니스 도메인에서 발생하는 문제를 해결하고, ML을 기반으로 공통화된 기술 제품들을 토스팀에 제공해요. 새로운 기술 제품을 탐색하고 발굴하는 작업부터, 데이터 파이프라인, 모델 서빙과 모니터링까지 유기적으로 커버하고 있어요.
- 팀에서는 개인화 추천, 광고 최적화, Vision, 생성형 AI 등 여러 모델 개발/서빙을 위한 전체 파이프라인을 제공하며, 효율화를 위한 플랫폼 개발, ML 인프라 구축 등의 업무들도 진행하고 있어요.
- **토스 데이터 조직에 대해 더 알아보고 싶다면?** [→ *토스 Data Division 위키*]( https://recruit-data-division.oopy.io/ )

# 합류하면 담당하게 될 서비스를 소개해 드려요
- 만약 특정 도메인에 관심이 깊거나 관련 경험이 있다면 상세 채용공고를 통해 지원해주세요.
- 현재 페이지에서 지원하실 경우, 인터뷰를 통해 지원자분의 강점을 확인하고 그에 맞는 조직을 추천해 드릴게요.

# 💡 ML Platform [(상세 채용공고)]( https://toss.im/career/job-detail?job_id=6545613003 )
- 대규모 데이터에 기반한 Feature Store, Model Trainer, Model Registry, Inference System, Monitoring 시스템 등 ML 파이프라인 최적화를 위한 플랫폼을 설계하고 개발해요.
- 여러 팀이 공통으로 사용하는 ML 라이브러리를 개발하고, 성능을 개선하여 더 효율적이고 확장할 수 있도록 지원하며, 토스의 다양한 서비스에 맞게 최적화하는 작업을 수행해요.
- ML 시스템의 확장성과 안정성을 확보하며, 머신러닝 작업을 더 효과적으로 수행할 수 있도록 베스트 프랙티스와 가이드라인을 작성하고 공유해요.
- ML 모델을 프로덕션 환경에 서빙하여, 안정적인 운영을 보장하고 최적화해요.

# 💡 ML Serving [(상세 채용공고)]( https://toss.im/career/job-detail?job_id=6296268003 )
- GPU를 활용하여 대규모 ML 모델 서빙 시스템을 설계하고 효율적으로 운영합니다.
- Tensorflow Serving, TorchServe, Triton, TensorRT 등 최신 서빙 프레임워크를 활용하여 모델 서빙 파이프라인 구축 및 최적화합니다.
- 딥러닝 모델을 실시간 및 배치 환경에서 안정적으로 서빙하기 위한 아키텍처 설계합니다.
- Kubernetes, Docker 등의 컨테이너 오케스트레이션 도구를 활용한 서빙 시스템 배포 및 관리합니다.
- 모델 서빙 시스템의 모니터링 및 로깅 체계 구축 및 운영합니다.
- 최신 기술 트렌드와 툴을 탐색하여 서빙 성능 및 안정성을 지속적으로 개선합니다.

# 💡 MLOps [(상세 채용공고)]( https://toss.im/career/job-detail?job_id=6072871003&company=%ED%86%A0%EC%8A%A4&detailedPosition=MLOps )
- 다양한 ML 요구사항을 안전하고 빠르게 실험을 반복하고 배포할 수 있는 플랫폼 및 Kubernetes 인프라를 구축하고 제공해요.
- ML 파이프라인의 모든 단계에 사용되는 리소스를 최적화합니다.
- ML 프로덕트의 SLA를 맞추기 위해 새로운 오픈소스나 솔루션을 검토하고 구축합니다.

# 이런 분과 함께하고 싶어요
- 머신러닝과 딥러닝에 대한 깊이 있는 지식이 있고, 이를 대규모 시스템 설계와 엔지니어링 문제에 적용한 경험이 있으신 분이면 좋아요.
- GPU 기반 분산 학습/처리 프레임워크를 이용해 ML 서비스에 기여한 경험이 있으면 더 좋아요.
- Vector Database, NoSQL과 같이 ML 기반의 대용량 서비스를 위한 인프라에 대한 경험이 있으면 좋아요.
- GPU를 활용한 대규모 ML 모델 서빙 및 최적화 경험이 필요해요.
- Kubernetes 환경에서 시스템을 운영해 본 경험이 있으면 좋아요.
- 모델 서빙 환경에서의 성능 병목현상 진단 및 최적화 경험이 있으면 좋아요.
- Kotlin, SpringBoot에 대한 경험이 있으면 좋아요.
- 복잡한 문제를 이해하기 쉽게 설명할 수 있는 커뮤니케이션 역량을 갖춘 분이면 좋아요.
- 다양한 상황에서 다양한 솔루션을 고민해 보고, 최적의 방법을 찾을 수 있는 문제해결 능력을 갖추신 분일수록 좋아요.

# 이력서는 이렇게 작성하시는 걸 추천해요
- 진행했던 과제가 조직에 큰 영향력을 미쳤다면 그 내용을 자세히 작성해 주세요.
- 단순히 어떤 언어, 플랫폼, 프레임워크, 기술 등을 사용했는지보다는, 어떤 목적을 가진 과제였는지, 이를 해결하기 위해 무엇을 사용했는지, 어떻게 문제를 해결했는지에 대해 자세히 작성해 주세요.
- 플랫폼을 운영하면서 발생한 치명적인 장애를 해결해 보았거나, 성능/리소스 최적화를 해 본 경험이 있다면 작성해 주세요.
- 오픈소스 사용 중에 발생한 버그나 이슈를 해결해 보았거나, 부족한 기능을 개선하기 위해 오픈소스에 기여했던 경험이 있다면 작성해 주세요.

# 토스로의 합류여정
- 서류 접수 > 1차 직무 인터뷰 (코딩) > 2차 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격
- 1차 직무 인터뷰에서는 간단한 코딩 테스트, 이력 체크, ML 기초 지식 테스트가 진행될 예정이에요.
- 2차 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.

# 함께할 동료를 위한 한마디
> "프로덕션에서 동작하는 ML 솔루션을 만들고, 각종 최적화 도구와 플랫폼을 직접 구축하고 고도화 해나가는 것, 토스에서는 가능해요!"
- 저희는 토스에서 추천 / 타겟팅 서비스, ML 파이프라인 구축, Feature Store, Monitoring System, Vector DB 등을 효율적으로 구축하고 무결하게 운영하는 것을 목표로 업무에 몰입하고 있어요.
- MLOps End-to-End 파이프라인을 구축함에 있어 과도한 복잡함을 피하고 간단하고 명확한 방식으로 견고한 구조를 설계하는 과정을 동료들과 함께 할 수 있습니다.
- 아직 밝혀지지 않은 문제를 정의하고, 심층적이면서 다면적인 해법을 찾아가는 과정을 즐기는 분을 기다리고 있습니다.
- 다양한 금융 데이터와 머신러닝 기법을 적용한 결과물을 End-to-End로 함께 경험하실 분을 기다릴게요!