ML Engineer (시계열 예측·머신러닝)

주요업무

■ 팀 소개 프랜차이즈 매장 운영을 바꿀 AI SaaS를 함께 만들어 가는 초기 개발팀입니다. FastAPI + React로 빠르게 만들고, 직접 배포하고, 피드백을 반영합니다. AI Agent 팀의 예측·판단 엔진을 책임지는 ML Modeling 라인을 새롭게 구성합니다. ■ 서비스 소개 장비 정보, POS 정보, 재고 정보 등 매장 데이터를 통합하여 데이터 사일로를 해소합니다. 프랜차이즈 본사에는 통합 데이터 기반의 매장 운영 인사이트를 제공합니다. 각 가맹점에는 AI Agent가 운영 메이트로서 매출 분석, 손익 분석, 재고 분석, 발주 자동화 등의 기능을 제공합니다. ■ 담당 업무 ▸ 예측 모델링 (Core) 매장별 매출·수요 예측 모델 개발 (일/주/시간대 단위 시계열) 재고 소진·발주 시점 예측 모델 설계 및 운영 프로모션, 요일/계절성, 날씨 등 외생 변수 반영한 예측 고도화 ▸ 머신러닝 응용 XGBoost / LightGBM 등 트리 기반 모델로 매장 운영 지표 예측 장비 이상 탐지·예지보전(Predictive Maintenance) 모델 개발 고객 행동·매출 패턴 분석을 위한 분류/회귀 모델링 ▸ 데이터 파이프라인 & 운영 POS·장비·재고 데이터를 활용한 Feature Engineering 모델 학습·평가·재학습 파이프라인 구축 예측 결과를 AI Agent / Backend API로 서빙하는 구조 설계 ▸ 협업 & 평가 AI Agent 팀과 협업하여 LLM 판단의 근거 데이터(예측치) 제공 모델 성능 모니터링, A/B 테스트, 백테스팅 체계 구축

자격요건

통계학 / 산업공학 / 컴퓨터공학 / AI / 데이터사이언스 관련 분야 석사 학위 이상 시계열 예측(ARIMA, Prophet, LSTM, TFT 등) 또는 트리 기반 ML(XGBoost, LightGBM 등) 실무·연구 경험 Python 기반 ML 개발 역량 (Pandas, NumPy, Scikit-learn) 데이터 EDA · Feature Engineering · 모델 평가 경험 SQL을 활용한 데이터 추출·분석 경험 데이터로 가설을 검증하고, 결과를 비즈니스 언어로 설명할 수 있는 분

우대사항

수요예측 / 매출예측 / 재고최적화 실무 프로젝트 경험 리테일·F&B·프랜차이즈·POS·이커머스 등 도메인 데이터 분석 경험 딥러닝 시계열 모델(Temporal Fusion Transformer, N-BEATS, Informer 등) 경험 MLOps 경험 (MLflow, Airflow, Kubeflow 등) 모델 서빙 경험 (FastAPI 등) Kaggle 등 데이터 경진대회 입상 경험 LLM 기반 Agent와 예측 모델을 결합한 시스템 설계 경험

기술스택

Python, FastAPI, PostgreSQL, Airflow, MLflow, Pytorch, Tensorflow, Docker, Pandas, NumPy, Scikit-learn, XGBoost, LightGBM

채용절차

[전형절차] 서류 전형 - 1차 면접 - 2차 면접(필요 시) - 최종 합격 [지원방법] 채용 사이트 온라인 입사지원 제출 서류 목록 - 이력서, 자기소개서, 경력기술서 or 포트폴리오 등]