SLM Modeling & Data Engineering

주요업무

서비스 소개 LinkBee(링크비)는 의료 현장의 음성을 자체 기술로 인식·번역하는 서비스입니다. 소버린 AI(Sovereign AI): 외부 API에 의존하지 않는 자체 음성번역·인식 기술을 보유해 데이터·모델·인프라를 스스로 통제합니다. 비용·보안·품질에서 경쟁 우위이며, 함께하는 분은 '남의 API를 부르는' 일이 아니라 진짜 핵심 기술을 직접 다루게 됩니다. 주요 업무 링크비가 보유한 의료 '실전 데이터'를 기반으로, 외부 API에 의존하지 않는 자체 SLM을 파인튜닝하여 범용 모델이 처리하지 못하는 '도메인 특화 문맥 보정'과 '전문 용어 인식'을 고도화합니다. 인계받은 STT 선처리·SLM 후처리 파이프라인을 안정적으로 운영하고, 쌓이는 실데이터를 체계적으로 관리·투입하며, 파인튜닝과 연구일지를 꾸준히 기록해 자산화합니다. CS/QA 등 링크비 전반 업무도 함께 서포트하며, 데이터 품질을 챙깁니다. 이 일이 만드는 가치 품질 혁신 : 범용 API가 해결하지 못하는 고유 명사·전문 용어 인식률과 문맥 이해도를 획기적으로 개선 비용 효율화 : 고비용 상용 LLM API 의존도를 낮추고, 최적화된 자체 모델 운용으로 트래픽 증가에 따른 비용 리스크 해소 데이터 자산화 : 실전 데이터를 지속적으로 학습에 반영해, 운영할수록 지능이 고도화되는 선순환 구조 확립

자격요건

A. SLM 모델링 및 최적화 (Core AI) 오픈소스 LLM/SLM 활용 : 최신 소형 언어 모델(SLM)의 아키텍처 이해 및 핸들링 능력 Fine-tuning(미세 조정) : 효율적인 파인튜닝(PEFT) 기법을 활용한 자체 데이터 학습 경험 STT 후처리 : STT 오인식 문장에 대한 후처리(Post-processing) 및 문맥 기반 교정 모델 개발 경험 RAG 구현 : Vector DB(Pinecone, Milvus 등) 연동으로 모델이 학습하지 않은 최신·내부 정보를 참조해 답변 정확도를 높이는 기술 B. 데이터 엔지니어링 (Data Engineering) Instruction Dataset 구축 : 서비스 내 비정형 텍스트 데이터를 학습용 포맷(Instruction/Input/Output)으로 전처리·가공 Data Augmentation(증강) : 증강을 통한 학습 데이터셋 품질 확보 Tokenizer 최적화 : 한국어 및 특정 도메인(현장 용어·약어 등) 처리를 위한 토크나이저 확장·임베딩 최적화 C. 시스템 연동 및 배포 (MLOps & Engineering) 모델 경량화(Quantization) : 추론 비용 절감·속도 향상을 위한 양자화(FP16 → INT8/INT4) 수행 (GGUF, AWQ 활용) Inference Pipeline 구축 : ONNX, TensorRT, vLLM 등을 활용한 고성능 서빙 환경 구축 실시간 연동 : Whisper(STT)의 스트리밍 출력을 실시간으로 받아 SLM이 즉시 처리하도록 파이프라인 설계 및 API 연동

우대사항

• 관련 학위·연구/프로젝트 이력 : AI·데이터 분야 학위·논문·프로젝트 등 (투자·지원사업 대응에 강점) • 의료·전문 도메인 관심 : 의료 현장 용어·데이터에 흥미를 갖고 파고들 수 있는 분

기술스택

Python, Pytorch, LLM, Obviously AI, SLM, Fine-tuning, MLOps, RAG, VectorDB

채용절차

서류전형> 1차면접 >2차면접 >최종합격