채용정보로 돌아가기

토스 채용정보

AI 플랫폼 엔지니어 (Recommendation) (AI Platform Engineer)

게시일

추천 모델의 학습부터 서빙까지 자동화하는 ML 플랫폼을 설계·확장하며, 분산 전처리·학습과 Training-serving Skew 해소 구조를 구축합니다. 여러 팀이 사용하는 학습 또는 서빙 파이프라인 구축 경험과 Spark 또는 Ray 기반 대규모 분산 처리 경험이 필요합니다.

Seoul정규직마감일 상시·미정
필요 기술SparkRayDLRMDeepFMDCN

내 적합도 확인 중...

공고 내용

합류하면 함께 할 업무에요

  • 추천 모델의 학습 파이프라인을 만들고 확장해요. 새로운 모델 구조나 학습 방식 적용을 위해, 파이프라인을 처음부터 다시 만들지 않게 설계해요.
  • 대규모 데이터셋에서도 안정적으로 학습할 수 있도록 분산 전처리와 분산 학습, 스트리밍 학습을 구축해요.
  • 학습된 모델을 서빙에 최적화된 형태로 변환하고, 전처리와 모델 추론이 한 요청 안에서 이어지게 구성하여 Training-serving Skew를 없애는 구조를 만들어요.
  • DLRM, DeepFM, DCN 과 같은 딥러닝 계열의 모델을 학습하고 서빙까지 이어지는 자동화된 파이프라인을 플랫폼으로 제공해요.
  • 모델을 무중단으로 교체할 수 있게 만들고, 지연이나 자원 기준을 넘는 모델은 배포 전에 걸러내요. A/B 테스트와 Shadow 환경, 서빙 모니터링을 제공해 도메인이 직접 성과를 확인하게 해요.

이런 분과 함께하고 싶어요

  • 여러 팀이 쓸 학습 또는 서빙 파이프라인을 만들어본 분과 함께하고 싶어요. 모델을 직접 만드는 자리는 아니지만, 모델이 어떻게 동작하는지 이해하고 그것을 시스템으로 옮길 수 있어야 해요.
  • 단일 머신으로 감당되지 않는 규모의 데이터를 Spark나 Ray 같은 분산 처리로 다뤄본 분을 찾고 있어요. 데이터 처리 시간과 자원을 줄여본 경험이면 좋아요.
  • 추상화된 프레임워크 아래까지 파고들어 최적화하고 디버깅하는 걸 즐기는 분이면 환영해요.

이런 분이면 더 좋아요

  • Sequential 모델, Multi-task 모델, Calibration 등을 이해하고, 실제 서비스에 적용해본 경험이 있다면 좋아요.
  • 모델 학습에 걸리는 시간과 자원 사용량을 줄이고, 여러 팀이 학습 파이프라인을 재사용할 수 있도록 설계하고 운영해본 분이면 더 좋아요.
  • Triton, ONNX Runtime, TensorRT 같은 서빙 스택의 내부 동작을 이해하고, 모델 구조에 맞는 엔진과 포맷을 근거 있게 고를 수 있는 분이면 좋아요.
  • JVM 기반 서버와 Python 기반 학습 코드를 오가며 일해본 경험이 있다면 좋아요.

합류하게 될 팀에 대해 알려드려요

  • ML 플랫폼 팀은 모델 학습부터 서빙까지 E2E를 자동화하는 플랫폼을 만들어요. 새로운 구조로 학습된 모델이라도 서빙 코드를 다시 짜지 않고 그대로 서비스에 배포할 수 있도록 설계해요.
  • 이 포지션은 토스의 추천을 만들어내는 모델 파이프라인 전체를 맡아요. 광고, 커머스를 비롯한 여러 도메인의 수백 개 추천 모델이 하나의 플랫폼 위에서 학습되고 서빙돼요.
  • 어떤 엔진을 쓸지, 파이프라인을 어떤 구조로 만들지 정해진 답이 없어요. 더 나은 선택지가 있다고 판단하면 직접 검증해 들여오는 것까지 이 팀의 재량이에요.
  • 학습에 사용한 데이터 처리 방식과 실제 요청을 처리할 때의 데이터 처리 방식이 다르면 추천 결과에 차이가 생길 수 있어요. 두 환경의 차이를 줄이고 확인할 수 있는 구조를 만들어요.
  • 이 포지션은 토스 추천 모델의 학습 파이프라인을 메인으로 맡아요. 최신 학습 기법들을 직접 구현해 플랫폼화하여, 모델러가 설정 변경만으로 다양한 학습 기법을 적용해 실험을 수행할 수 있게 만들어요.

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 > 프리 인터뷰 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격
  • 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.

함께할 동료를 위한 한마디

"추천은 모델 하나로 끝나지 않아요. 후보를 좁히고 순위를 매기고 점수를 보정하는 단계가 한 번의 요청 안에서 모두 끝나야 하고, 학습할 때와 서빙할 때가 똑같이 동작해야 해요. 이 두 가지를 지키면서도 더 빠르게 실험하고 서빙할 수 있게 만드는 것이 이 역할이에요."

  • 학습 파이프라인과 서빙 파이프라인을 나눠 맡지 않아요. 모델이 왜 온라인에서 다르게 동작하는지 한 사람이 끝까지 따라갈 수 있어요.
  • 성격이 다른 여러 도메인의 추천 모델이 한 플랫폼 위에 있어요. 한 도메인에서 푸는 방법이 다음 도메인의 출발점이 돼요.
  • 느낌으로 이야기하지 않아요. 지연이 얼마나 줄었고 자원을 얼마나 덜 쓰게 됐는지로 판단해요.

꼭 확인해 주세요

  • AI 플랫폼 엔지니어 (AI Platform Engineer) 포지션은 전형 과정에서 국문, 영문 명칭을 함께 사용해요.

해당 공고에 지원하기 전에 읽으면 좋은 해당 회사 기술 포스트

채용 기업과 계열사의 기술 블로그에서 공고와 주제가 가까운 글을 모았어요.

다른 기업의 유사 기술 글