허니스크린의 콘텐츠 추천 품질을 높이기 위한 유사 콘텐츠 분류 필요성을 다룹니다. Word2vec을 응용한 머신러닝 기반 콘텐츠 클러스터링 접근을 소개합니다.
ML Engineer (Catalog)
토스 · Seoul
상품 텍스트·이미지·구조화 데이터를 활용해 분류·속성 추출·상품 매칭 모델과 대규모 학습·추론 파이프라인을 개발합니다. 머신러닝 모델을 서비스에 적용하고 데이터 처리 및 모델 평가 경험이 필요합니다.
[현대카드] ML Engineer
현대카드 · CAREER
자체 AI 플랫폼 유니버스에서 데이터·ML 파이프라인과 LLM·RAG 기반 AI Agent 서비스의 설계·개발·운영을 담당합니다. 워크플로우 기반 파이프라인, AI/ML 학습·추론·서빙, LLM·RAG 서비스 또는 AWS 데이터 처리·운영 경험과 Python 경험이 필요합니다.
ML Engineer (Ads Bidding & Pacing)
토스 · Seoul
광고주의 목표·예산에 맞춘 입찰 및 예산 소진 전략을 설계하고, 상품광고 경매·가격 정책의 성과를 분석·검증하는 역할입니다. 광고 Bidding·Budget Pacing 시스템을 직접 개발·운영하고 pCTR·pCVR 등 예측 신호를 활용한 입찰 정책 설계 경험이 필요합니다.
#word2vec 주제를 이어서 읽기
Honeyscreen 콘텐츠를 효율적으로 분류하기 위한 word2vec 기반 클러스터링을 소개했습니다. 단어 벡터 간 거리로 의미 유사도를 측정하는 방식을 설명합니다.
