Edge AI Engineer Intern

담당업무

• Torch → ONNX → Vendor Compiler → Device Runtime 전체 모델 변환 및 최적화 파이프라인 설계

• Graph Transformation 및 Rewriting, dynamic graph → static graph 변환, unsupported ops 제거·대체

• NPU·GPU·ASIC 디바이스 기반 배포와 vendor compiler·runtime framework 활용

• 디바이스별 호환성 이슈 해결, dtype·shape·scale 변환, 추론 runtime 환경 설정 및 파이프라인 구축

• Transformer·Diffusion 등 모델 구조 기반 변환 전략 수립

• 변환 후 정확도·latency·메모리 변화 분석 및 원본 대비 품질 보존

• 런타임 프로파일링을 통한 연산자별 성능 병목 분석 및 최적화

• Python·CLI 스크립트와 자동화 파이프라인을 활용한 반복 업무 개선

• 기술적 배경, 문제 정의, 실행 전략, 정량적 성공 기준의 문서화

• 팀 내·외부 커뮤니케이션을 통한 정보 수집 및 문제 구조화

자격요건

• Torch → ONNX 변환 구조 및 모델 그래프 이해·수정 능력

• unsupported ops 제거·대체, quantization-aware 구조 설계, 메모리·연산 최적화 역량

• ONNX → vendor compiler → NPU·GPU·ASIC runtime 컴파일러 워크플로 이해

• Transformer, RoPE, attention, KV cache, sampling, diffusion 등 LLM·GenAI 아키텍처 이해

• Intel OpenVINO, Jetson Orin, QNN, SNPE 등 디바이스 기반 추론 경험

• ONNX 기반 모델 변환 및 디버깅 경험

• quantization, pruning, fusion 등 모델 최적화·경량화 경험

• Python 기반 자동화 스크립트 작성 능력

• 하드웨어 또는 vendor compiler 문서 기반 문제 해결 능력

우대사항

• 정부 과제 또는 PoC 제안서·기술문서 작성 경험

• ONNX Runtime, vLLM, TRT-LLM 등 LLM 서빙 스택 이해

• TensorRT, QNN, SNPE, TFLite, eIQ 등 다양한 벤더 compiler 경험

• 실제 디바이스 inference latency·메모리 profiling 경험

• AI Tool 활용과 직접적인 논리 구성의 구분 능력

전형절차

1. 서류 검토

2. 과제

3. 1차 인터뷰

4. 최종 선발

근무환경

• 새로운 모델과 하드웨어를 빠르게 이해하고 직접 문제를 해결하는 실행 중심 업무

• 모델, Compiler, Runtime을 넘나드는 디버깅 경험

• AI 모델과 컴퓨팅 자원을 연결하는 엔지니어로 성장할 수 있는 업무 환경

마감기한

채용시 마감