MLOps 엔지니어

담당업무

• 카카오스타일 서비스 전반의 ML 인프라 설계 및 고도화

• 데이터 수집·전처리·모델 학습·배포·서빙으로 이어지는 ML 파이프라인 설계 및 자동화

• 실시간·배치 데이터 흐름 처리와 트래픽 변화에 대응하는 데이터 아키텍처 최적화

• 모델 버전 관리와 롤백 전략을 포함한 배포 프로세스 수립

• 모델 성능 저하와 데이터 드리프트 탐지를 위한 모니터링·알림 체계 구축

• 데이터 사이언티스트·데이터 엔지니어·백엔드 개발자와 협업하며 모델의 서비스 적용을 위한 기술적 접점 관리

자격요건

• ML 모델 배포 및 운영(MLOps) 분야 5년 이상 경력 또는 이에 준하는 역량

• Kafka, Airflow, Spark 기반 대규모 데이터 처리 및 파이프라인 구축·운영 경험

• MLflow, Kubeflow를 활용한 실험 관리 및 모델 배포 경험

• 데이터 수집·전처리·학습·배포·서빙까지의 ML 파이프라인 구축 및 자동화 경험

• 배압을 고려한 실시간 스트리밍 처리 구조 이해 또는 운영 경험

• 대규모 트래픽 환경의 확장성과 안정성을 고려한 인프라·시스템 설계 경험

• Python 기반 데이터 처리 및 ML 워크플로우 개발 경험

우대사항

• Kafka 기반 실시간 스트리밍 처리 구조 설계 및 운영 경험

• 모델 성능 저하와 데이터 드리프트 모니터링·알림 체계 구축 경험

• 모델 서빙 환경의 Latency, Throughput, 비용 효율성 개선 경험

• ML 플랫폼 또는 내부 도구 설계·개발을 통한 조직 생산성 향상 경험

• CI/CD 기반 ML 배포 자동화 및 실험·운영 연결 프로세스 고도화 경험

• LLM 또는 멀티모달 모델의 실제 서비스 운영 경험

• 추천·검색·NLP/CV 도메인에서 모델과 서비스 운영을 함께 고려한 문제 해결 경험

• Databricks 등 데이터 플랫폼 사용 경험

• 데이터 엔지니어링 또는 인프라(SRE/DevOps) 경험

지원방법

• 국문 이력서 자유 양식 제출

• 업무 및 프로젝트 등 역량이 드러나는 내용 작성

• 여러 공고 동시 지원 불가

• 동일 공고 재지원은 불합격 결과 후 최소 6개월 이후 가능

• 제출 서류의 허위 사실 확인 시 합격 및 채용 취소 가능

전형절차

1. 서류 전형

2. 과제 전형

3. 1차 인터뷰(화상)

4. 2차 인터뷰(대면)

5. 레퍼런스 체크

6. 처우 협의

7. 최종합격 및 입사

성장기회

• 추천·검색·NLP/CV 등 다양한 모델의 서비스 적용 경험

• 대규모 트래픽 환경에서 ML 시스템 전체 라이프사이클 경험

• ML 인프라 설계·운영과 서비스 품질 관련 기술적 의사결정 참여

• 실험 및 배포 파이프라인 설계·플랫폼화 참여

• 서비스 관점의 시스템 최적화를 통한 엔지니어링 역량 확장

마감기한

채용시 마감