Data ML Team Lead

담당업무

• MLOps Platform 기술 방향 및 로드맵 수립

• 유관 부서 요구사항 우선순위 조정 및 아키텍처 의사결정

• 데이터 수집부터 학습·평가·배포까지 End-to-End AI Platform 아키텍처 설계·고도화

• Kubernetes 기반 온프레미스·클라우드 GPU 클러스터의 모델 개발 환경, GPU 자원 스케줄링, 서비스 배포 체계 설계·운영

• 학습 트리거, 분산 학습, 실험 추적 등 모델 학습 과정 자동화 플랫폼 개발

• 모델 추론 서비스 및 대규모 모델 검증 파이프라인 구축·운영

• AI 모델·데이터 버전별 성능 비교 및 추적 지원

• Auto-Labeling 모델 등 사내 ML 서비스의 컨테이너화, 서빙, 오토스케일링, 데이터 파이프라인 연동

• GPU 자원·서비스·실험 모니터링 및 모델·데이터 품질 지표 수집 체계 구축

• AI/ML, Backend, Calibration, Data Engineering 조직 협업 및 엔지니어 멘토링

자격요건

• 기술 리드, 프로젝트·플랫폼 오너십 또는 팀 리딩 경험

• Python을 포함한 2개 이상 프로그래밍 언어 활용 능력

• Kubernetes 기반 서비스 설계·구축·운영 경험

• ML 실험 관리 및 학습 파이프라인 구축·운영 경험

• PyTorch 등 DL Framework와 ML/DL 학습 프로세스 이해

• Docker 및 CI/CD 기반 배포 자동화 실무 경험

• 유관 조직 협업을 주도하는 커뮤니케이션 및 문서화 능력

우대사항

• 플랫폼·인프라 조직의 기술 로드맵 수립, 채용·멘토링 또는 사내 플랫폼 제품 운영 경험

• 대규모 GPU 클러스터 운영 및 분산 학습 환경 구축 경험

• Ray, NCCL, NVLink, InfiniBand, RoCE 등 GPU 인터커넥트 이해

• Kubernetes 스케줄링·Operator 패턴 이해 또는 커스텀 스케줄러 적용 경험

• KServe, Triton 등 Model Serving 프레임워크 활용 경험

• 클라우드와 온프레미스를 아우르는 하이브리드 인프라 운영 경험

• 자율주행·Vision AI 도메인 또는 카메라·LiDAR 데이터 경험

• Copilot, Cursor, Claude Code 등 AI 기반 개발 도구 활용 경험

• LLMOps, AI Agent, RAG 등 최신 AI Platform 구축 경험

• Computer Vision 또는 Deep Learning 기반 AI 서비스 개발·운영 경험

보상과 복리후생

• 연봉 협의

• 경조금

• 장기근속 포상

• 리프레시 휴가

전형절차

1. 서류 전형

2. 전화 인터뷰 30분

3. 1차 인터뷰 대면

4. 2차 인터뷰 대면

5. 3차 인터뷰 필요 시

6. 레퍼런스 체크

7. 처우 협의

8. 최종 합격 및 입사

지원방법

• 필수 제출: 이력서 및 경력기술서

• 선택 제출: 포트폴리오 또는 논문

• 이력서 및 경력기술서는 PDF 형식 제출

• 지원 서류에 수행 업무와 프로젝트를 역량이 드러나도록 작성

• 주민등록번호, 연봉, 혼인 여부 등 민감한 개인정보 제외

근무환경

• 유연근무제

• 재택근무제

• 글로벌 오피스 구성원과 협업하는 테크회사 문화

• 다양성을 존중하고 업무역량과 무관한 요소로 차별하지 않는 채용 문화

• 외국인 비자 지원 가능

마감기한

채용시 마감