Machine Learning SW Engineer

소개

ZETIC은 End-to-End 온디바이스 AI 배포 및 벤치마킹 플랫폼을 구축합니다. 우리는 기업들이 고가의 클라우드 GPU 인프라에 의존하지 않고, 기존의 AI 모델을 소비자 기기에서 효율적으로 실행할 수 있도록 돕습니다. 우리는 이종 모바일 가속기(NPU/GPU/CPU) 전용 하드웨어 인식 최적화 및 배포를 전문으로 하며, 빠른 반복, 명확한 성능 결정 및 규모에 맞는 제어된 프로덕션 롤아웃을 지원합니다. 우리의 미션은 이미 모델을 보유한 모든 팀이 고성능 온디바이스 AI를 실무에 적용하고 즉시 배포할 수 있도록 만드는 것입니다.

주요업무

Job Description 우리는 온디바이스 AI 모델 최적화 분야의 ML 소프트웨어 엔지니어를 찾고 있습니다. 귀하는 LLM 및 멀티모달 모델(ASR, TTS, Vision Encoder 등)을 엣지 기기, 특히 모바일 NPU에 포팅하고 최적화하는 엔드 투 엔드 노력을 주도하게 됩니다. The Role 귀하는 성능 로드맵(지연 시간, 메모리, 전력/발열)을 책임지게 됩니다. 모델 측 최적화 전략을 주도하고, 런타임/SDK 및 앱 엔지니어와 긴밀히 협력하여 실제 배포를 위한 모델을 구현합니다. Responsibilities • NPU/GPU/CPU 경로에서 LLM + 멀티모달 워크로드(ASR/TTS/Vision encoder 등)의 모델 측 최적화 및 배포 주도 • 지연 시간 / 메모리 / 정확도 / 배터리 간의 성능 로드맵 및 트레이드오프(Trade-offs) 관리 • 모델 최적화 기술 적용: - 양자화(PTQ/QAT), 프루닝(Pruning), 증류(Distillation), 연산자 융합(Operator Fusion), KV-캐시 전략, 어텐션 최적화, 투기적 디코딩(Speculative Decoding) 등 • 온디바이스 벤치마킹, 회귀 테스트, 정확도 체크 및 성능 대시보드를 위한 온디바이스 평가 및 프로파일링 파이프라인 구축 및 유지 관리 • 컴파일러/런타임 제약 사항(연산자 적용 범위, 정밀도, 레이아웃, 스케줄링)을 해결하기 위해 런타임/SDK 엔지니어와 협업 • 제품/엔지니어링 팀과 협력하여 "배포 가능(Ready-to-ship)" 기준을 정의하고 기기별로 안정적인 프로덕션 배포 보장

자격요건

• 실제 배포를 위한 모델 최적화 경험을 포함하여, ML 시스템 구축 및 배포 분야에서 3년 이상(또는 이에 준하는)의 경력 • 딥러닝 기초 및 성능 병목 현상(연산량, 메모리 대역폭, 캐시 동작)에 대한 깊은 이해 • 다음 중 하나 이상의 실무 경험: - LLM 추론 최적화 (양자화, 어텐션/KV 캐시, 디코딩 시간 성능) - ASR/TTS 배포 (스트리밍, 지연 시간 제약, 오디오 전/후처리) - Vision Encoder 최적화 (이미지 전처리, 특징 추출 성능) Technical Stack and Detailed Requirements • 필요 기술셋 (Required Skillset): 엣지/온디바이스 ML 최적화 마인드셋, 양자화 및 혼합 정밀도 추론, 성능 프로파일링 및 디버깅, 강력한 엔지니어링 오너십 • 우대 기술 (Preferred Skills): LLM 특화 최적화, 오디오 파이프라인 최적화, 트랜스포머/디퓨전 모델 구조 이해, 크로스 펑셔널 협업 능력 • 필요 도구 (Required Toolset): Python, C/C++, Git + CI 워크플로우, 벤치마킹 및 프로파일링 도구 • 필수 요건 (Must Have): 모델을 작고 빠르게 만드는 능력, 엔드 투 엔드 최적화 주도 능력, 강력한 디버깅 기술, 이종 컴퓨팅 환경(NPU/GPU/CPU 폴백)에 대한 적응력 • Python + C/C++ (또는 동등한 수준의 로우 레벨 언어) 기반의 탄탄한 소프트웨어 엔지니어링 기술 • 다양한 기기에서 수치 문제(Numerical issues)를 디버깅하고 정확성을 보장해 본 경험 • 모호한 제약 조건 속에서 업무를 수행하고 "더 빨라야 한다"는 요구를 측정 가능한 엔지니어링 작업으로 전환하는 능력

우대사항

• 모바일/엣지 가속기(NPU/DSP/GPU) 배포 및 하드웨어 벤더 스택 활용 경험 • 모델 컴파일 툴체인 및 성능 프로파일링 도구(프로파일러, 연산자 레벨 트레이싱, 메모리 분석) 사용 경험 • 외부 개발자가 사용하는 SDK 또는 추론 런타임 배포 경험 • 다중 기기 배포 환경(기기 파편화, 폴백 경로, 성능 감지 및 재현성)에 대한 이해

혜택 및 복지

• 성장: Qualcomm, MS, Amazon 출신의 Global Top-tier 팀과 밀접한 협업 및 코드 리뷰 • 보상: 역량에 맞는 업계 최고 수준의 대우 및 스톡옵션 기회 부여 • 환경: 최신 IT 장비 지원 (MacBook Pro 등), 도서/세미나 비용 지원 • 문화: 자율근무제 (10:30 - 16:00 Peak Time), 수평적이고 자율적인 R&D 문화