Quantitative Research Engineer

주요업무

• 시계열/정형/비정형 데이터를 기반으로 전략적 인사이트 생성 • ML 기반 알파 시그널 탐색, 라벨링, feature engineering • 실시간/배치 데이터 파이프라인 구성 및 자동화 (Kafka, Redis, Airflow 등) • 전략 성과 평가 자동화 (백테스트, 시각화, 리포트 시스템) • 트레이딩 엔진과 연동 가능한 리서치 모듈 API화 • 트레이딩 전략 개발

자격요건

• 전공과 학력은 무관하지만, 실력과 실행 경험, 성과는 중요합니다. • 기술 스택은 무관합니다. • 아래 항목 중 하나 이상에 해당하는 경험이 있어야 합니다: - AI, 머신러닝, 데이터 마이닝 등 분야의 국제 컨퍼런스에 논문을 발표한 경험 (1저자 또는 교신저자 포함) - 대용량 데이터를 기반으로 한 추천·분류·시계열 모델에서 유의미한 성과를 낸 경험 - 회사나 조직 내에서 ML 기반 시스템을 직접 설계·운영·배포하여 실제 비즈니스 임팩트를 만든 경험 • 그리고 아래 항목은 모두 만족해야 합니다: - 실시간 혹은 배치 기반의 데이터 파이프라인을 직접 구성해본 경험 - 리서치 결과를 재현 가능하고 운영 가능한 형태로 엔드투엔드 시스템화한 경험 - 기술과 데이터로 실제 비즈니스 문제를 해결하고, 성과를 만들어낸 경험 ＜ 우리 팀은 이런 분을 기다려요 ＞ • Kaggle, 실무 프로젝트, 논문, 스타트업 등 어떤 형태로든 데이터 기반 성과를 통해 실제 비즈니스 임팩트를 만들어낸 경험이 있는 분 • 해당 성과를 단순한 분석 코드가 아닌, 재사용 가능한 모듈·파이프라인·시스템으로 구현한 경험이 있는 분 • “정확도가 높다”에서 멈추지 않고, 그 결과가 어떻게 제품/시스템/비즈니스에 연결되는지를 끝까지 고민해본 분 • 데이터 수집 전처리 저장 학습/평가 배포까지의 엔드투엔드 흐름을 스스로 설계하고 구현해본 경험이 있는 분 • 트레이딩 도메인은 몰라도 괜찮지만, 데이터를 실전 문제에 연결하고 반복적으로 개선해본 경험이 있는 분 • 주어진 기능보다는 실제 문제를 정의하고 해결해 나가는 걸 즐기는 분 • 국내 최고, 업계 평균이 아니라 세계 최고를 상수처럼 생각하고 그에 맞는 실행을 추구하는 사람 • 안정적인 연봉보다, 성과에 따른 업사이드가 큰 구조를 선호하는 분 ＜ 이런 분이라면 우리 팀과 잘 안 맞을 수 있어요 ＞ • 리서치를 진행하면서 방향을 잘 못잡는 분 • 데이터 흐름보다 모델 튜닝에만 집중하고 싶은 분 • 실험은 좋아하지만, 그 결과를 비즈니스 임팩트로 연결시키는 데에는 관심이 없는 분 • 주어진 기능을 명세대로 구현하는 데에서 만족하는 분 • CI/CD, 모니터링, 인프라 구성 등에는 관심이 없으신 분 • 고정된 높은 베이스 연봉과 구조화된 역할을 선호하는 분 • 빠르게 움직이는 환경보다, 안정되고 체계적인 조직을 선호하는 분

우대사항

• ML 모델을 전략 또는 의사결정 시스템에 실제로 적용해본 경험이 있는 분 • 금융 또는 트레이딩 분야에 대한 호기심이 높거나 빠르게 도메인을 습득하는 능력이 있는 분 • 실시간 전략 운영 상태를 자동 감지하고 대응할 수 있는 모니터링 시스템을 직접 구성해본 경험이 있는 분 • DuckDB, Bigquery, Ray 등 고성능 데이터 툴을 실제 업무에 활용해본 경험이 있는 분 • 리서치부터 인프라 구성, 시스템 배포까지 전 과정을 스스로 수행한 경험이 있는 분 • 비즈니스 관점에서 0 to 1 또는 스케일업 단계에 기여한 경험이 있는 분

기술스택

Kafka

채용절차

서류 ＞ 전화 인터뷰 ＞ 리서치 과제 ＞ 리서치 인터뷰 ＞ 테크 인터뷰(현장 과제 포함) ＞ 컬쳐핏 인터뷰 ＞ 처우 협의 ＜ 이력서 작성 가이드 ＞ - 지금까지 수행한 일 중에서 실질적인 비즈니스 임팩트를 만든 프로젝트 중심으로 작성해 주세요. 특히 성과를 수치(정량적 지표)로 보여주시면 좋습니다. - 각 프로젝트는 문제 정의 가설 설정 실험 및 검증 실제 액션 및 결과의 흐름이 드러나게 정리해 주세요. 단순한 기술 나열보다는,어떤 문제를 어떻게 풀었는지에 집중해 주세요. - 리서치 과정이나 시스템/아키텍처 설계 과정에서 무엇을 고민했고, 어떤 이유로 특정 방식/구조를 선택했는지에 대한 설명이 있으면 좋습니다. - 가능하다면, 전체 과정에서 각 단계마다 정량적인 성과 지표를 함께 넣어주세요. 결과뿐 아니라 과정의 설득력도 매우 중요하게 평가합니다.