Recruitment background

Data-Centric AI Research Engineer

리얼월드|2026. 11. 17. 게시|
7

공고 요약

경력경력무관
채용 유형정규직
학력무관
지역서울
마감일채용시마감
출처직행

담당업무

  • 로보틱스 태스크 특성에 따른 학습 데이터 구성 전략 설계: 성공·실패 비율, 희귀 케이스, contact-rich 상황, edge case 정의

  • 데이터 다양성·커버리지·난이도 분포의 정량 기준 수립 및 모델 성능 향상에 기여하는 데이터 유형·우선순위 설정

  • vision, state, action, force/torque 등 멀티모달 로봇 데이터 정제·구조화

  • 데이터 노이즈·결손·비정상 샘플 탐지 및 정제 파이프라인 구축, 데이터 버저닝과 재현 가능한 데이터셋 관리 체계 수립

  • 학습 데이터 분포 분석을 통한 편향·결손 영역·중복 패턴 식별 및 모델 실패 사례의 데이터 관점 원인 분석

  • 대시보드와 시각화 도구를 활용한 데이터·성능 트렌드 공유

  • 로보틱스 태스크 평가 지표·벤치마크 시나리오 설계 및 데이터 변화가 모델 성능에 미치는 영향을 검증하는 평가 체계 구축

  • 오프라인 데이터 평가와 실제 로봇 성능 간 상관관계 분석

  • 로봇 정책 성능의 정성·정량 평가, 실패 로그·trajectory·sensor 데이터 기반 데이터 부족 영역 정의 및 개선 인사이트 도출

  • 데이터 인사이트를 모델링·엔지니어링 팀과 공유하고 학습 전략에 반영

  • 모델링팀·로보틱스 엔지니어링팀과 데이터 요구사항 정의, 데이터 변경 영향에 관한 근거 기반 의사결정 지원, 데이터 품질 이슈·운영 리스크 모니터링 및 대응

자격요건

  • Parquet, MCAP, protobuf 등 대규모·복잡한 데이터 포맷 처리 경험

  • 멀티모달 시계열 데이터 구조 이해

  • 데이터 분포·통계 분석을 통한 문제 진단 능력

  • Grafana, Kibana, Superset 등 시각화·모니터링 도구 활용 경험

  • Python 기반 데이터 처리 및 분석 경험

  • Git 기반 협업, 코드 리뷰, 테스트 자동화 등 개발 프로세스 경험

  • 명확한 문서화 및 기술 커뮤니케이션 능력

우대사항

  • 데이터 라벨링·자동화 경험

  • OpenCV, PyTorch, TensorFlow 등을 활용한 자동 라벨링 파이프라인 구축 경험

  • 세그멘테이션, 키포인트, trajectory annotation 등 로봇 데이터 라벨링 경험

  • Active Learning, Hard-example mining 등을 통한 데이터 효율화 경험

  • teleoperation, simulation, real-world log 등 로보틱스 학습 데이터 경험

  • RL, Imitation Learning, VLA 등 학습 방식에 대한 이해

  • 모델 성능 문제를 데이터로 설명한 경험

지원방법

  • 이력서 제출(한글 또는 영문)

  • 포트폴리오, 연구자료, 프로젝트 자료 등 역량을 보여줄 수 있는 자료는 선택 제출 가능

전형절차

  1. 서류 전형

  2. 1차 인터뷰

  3. 2차 인터뷰

  4. 최종 합격

전형 안내

  • 서류 전형 합격 시 개별 연락

  • 절차상 필요한 경우 커피챗 또는 코딩테스트 진행 가능

근무환경

  • 출퇴근 시간을 자율적으로 조정하는 유연근무제

  • 직무에 맞는 업무 장비 및 필요한 소프트웨어 지원

  • 사내 스낵바 및 커피 머신 운영

복리후생

  • 명절 및 생일 선물

  • 정기 건강검진 지원

지원 안내

전문연구요원 대상자 신규 편입 및 전직 지원 가능

마감기한

채용시 마감

리얼월드 지원하기 전 이력서 Check

시간이 없다면 AI와 한번에 수정해보세요

공고 원문

리얼월드 Data-Centric AI Research Engineer 채용공고
이런 공고 어때요?
지금 많이 보는 공고

댓글