고객 행동 로그와 시퀀스 패턴을 학습하는 실시간 개인화 딥러닝 추천 시스템을 소개했습니다. 최근 고객 행동을 바탕으로 관심 가능성이 높은 상품을 추천합니다.
ML 엔지니어 (Commerce Recommendation) (ML Engineer)
토스 · Seoul
커머스 추천 지면의 상품 리트리벌·랭킹 모델과 CTR/CVR 예측, 리랭킹·서빙·온라인 실험 전반을 설계·고도화합니다. 개인화 노출 시스템에서 리트리벌부터 랭킹, 서빙, 실험까지 개선한 경험이 필요합니다.
ML 엔지니어 (커뮤니티 추천) (ML Engineer)
토스증권 · Seoul
커뮤니티 피드 개인화 추천 모델, 학습 데이터·피처, 평가·실험 체계를 설계하고 온라인 서빙의 안정성을 개선합니다. 실제 서비스에서 추천·검색/랭킹·개인화 모델 개선 경험과 Python·PyTorch 기반 모델 개발 경험이 필요합니다.
Software Engineer, Backend - 피드 (ML Data Platform)
당근
추천 시스템용 추천 엔진·피쳐 스토어·임베딩 플랫폼을 개발·운영하고, 대규모 트래픽 환경의 성능·비용 및 데이터 품질을 최적화합니다. 확장 가능한 백엔드 시스템 또는 데이터 파이프라인 설계·구현 경험과 탄탄한 CS 기본기가 필요합니다.
#ML 주제를 이어서 읽기
대량 상품 등록 과정에서 수작업 속성 입력의 한계를 해결하고자 했습니다. 딥러닝으로 상품 이미지의 색상 속성을 자동 추출하는 활용 사례를 소개합니다.
