Machine Learning Engineer

Machine Learning EngineerAbout Us알고랩은 퀵서비스, 용달 등의 온디맨드 화물운송 분야를 IT 기술 기반 위에서 재구성하여 새로운 디지털 물류 경험을 구현하는 물류 스타트업입니다. 퀵서비스와 용달을 Web/App을 통해 쉽고 편리하게 이용하고, 이용내역을 체계적으로 관리할 수 있는 디지털 온디맨드 화물운송 플랫폼 알고퀵(AlgoQuick)을 서비스하고 있습니다.B2B 고객을 주 타겟으로 하며, 기업 고객의 업종과 특성에 따라 온디맨드 화물운송을 맞춤형으로 이용할 수 있도록 그룹웨어, ERP 등과의 API 연동, SSO 인증을 지원합니다. 또한 주문 사전승인, 예산관리, 배송사유 입력 기능 등 물류 비용을 체계적으로 관리할 수 있는 솔루션을 제공합니다.주요 대기업부터 유망 스타트업까지 1,800개 이상의 고객사를 유치했으며, 2024년 138억 원의 매출액과 15.6억 원의 상각 전 영업이익(EBITDA)을 달성했습니다. 5년 연속 흑자를 기록하며, 비즈니스 모델의 시장 적합성과 지속 가능성을 입증하였습니다.디지털 전환이 어려운 화물운송 현장의 복잡성과 비정형성이, AI 기술을 활용한 지능형 전환을 통해 해결될 수 있다는 확신 아래, AI 기술과 물류 운영 역량을 효과적으로 융합하여 복잡한 물류 현장을 구조화하고, 실질적인 비즈니스 가치로 전환하는 데 집중하고 있습니다.현재 축적한 경로 데이터 학습을 바탕으로 최적의 묶음배송 조합을 제안하는 AI 클러스터링 솔루션과 표준화된 UI로 처리하기 어려운 비정형 주문 접수를 자동화하고, 사용자별 과거 데이터 기반 개인화를 통한 맞춤형 대응이 가능한 AI 챗봇 인터페이스의 초기 버전을 개발하여 상용화 과정에 있습니다.AlgoLab is a logistics startup that reconstructs on-demand freight transportation services such as quick service and small freight trucks based on IT technology to create a new digital logistics experience. We offer AlgoQuick, a digital on-demand freight transportation platform that enables users to easily and conveniently use quick and freight services through Web/App and manage their usage records in an organized manner.We primarily target B2B clients, and support customized usage of on-demand freight transportation according to the industry and characteristics of each enterprise client through API integration with systems such as groupware and ERP, and SSO authentication. In addition, we provide solutions that allow systematic management of logistics costs, including features such as pre-order approval, budget control, and delivery reason input.We have secured more than 1,800 client companies, ranging from major conglomerates to promising startups, and achieved KRW 13.8 billion in revenue and KRW 1.56 billion in EBITDA in 2024. We have recorded profits for five consecutive years, proving both the market fit and sustainability of our business model.Believing that the complexity and unstructured nature of on-site freight operations can be resolved through intelligent transformation using AI technologies, we are focused on effectively combining AI technologies with logistics operation capabilities to structure complex logistics sites and transform them into tangible business value.Based on the route data we have accumulated so far, we are currently in the process of commercializing an AI clustering solution that proposes the optimal bundled delivery combinations, an automated order intake system that can handle non-standardized UI, and an AI chatbot interface that provides personalized responses based on individual user history.Job Description알고랩의 Machine Learning Engineer는 물류 도메인에서 발생하는 다양한 문제를 AI 관점에서 정의하고, 최신 기술을 연구·도입하여 실질적인 비즈니스 성과로 연결하는 핵심적인 역할을 담당합니다.입증된 비즈니스 모델과 운영 노하우에 AI 기술을 결합하여 한 단계 더 도약하고자 하는 시점에서, 다양한 ML 프로젝트를 함께 성공적으로 이끌어갈 실력과 열정을 갖춘 분을 찾고 있습니다.As a Machine Learning Engineer at AlgoLab, you will play a critical role in identifying and solving logistics challenges through the lens of AI. You’ll research cutting-edge technologies and apply them to real-world operations to drive measurable business outcomes.We are looking for someone with strong technical skills and a passion for innovation to lead various ML projects at a key moment of growth, as we combine proven operational expertise with advanced AI technology.Job Responsibilities확장성과 재사용성을 고려한 End-to-End 머신러닝 파이프라인 설계 및 구현최신 AI 논문과 아이디어를 연구하며, 이를 활용하여 상용 어플리케이션에 적용지리적 특성과 운송 제약 조건을 고려하여, 경로 최적화 및 지역 클러스터링을 수행하는 ML 기반 알고리즘 개발화물운송 주문 요청 프로세스의 자동화를 위한 NLP 기반 챗봇 개발모델 버전 관리, 성능 모니터링, 파이프라인 자동화 등 MLOps 전반 운영?관리상용 서비스를 위한 ML 데이터 파이프라인과 인프라 설계, 구현 및 최적화Design and implement scalable, reusable end-to-end ML pipelinesResearch state-of-the-art AI papers and integrate novel ideas into production systemsDevelop ML algorithms for route optimization and geo-clustering, considering geographic and logistical constraintsBuild NLP-based chatbots to automate the freight order intake processOperate and manage MLOps workflows, including model versioning, performance monitoring, and pipeline automationDesign, implement, and optimize ML data pipelines and infrastructure for production-grade servicesBasic Qualifications­ML 관련 분야 석사 이상 학위 소지자 또는 3년 이상의 관련 업무 경력PyTorch, scikit-learn, pandas 등 주요 ML 프레임워크 및 라이브러리 활용 능력­­ML 이론에 대한 깊은 이해와 이를 기반으로 한 연구 성과 또는 프로젝트 경험최적화 알고리즘 개발 및 실무 경험Master's degree or higher in a relevant ML/AI field, or 3+ years of industry experienceProficient in PyTorch, scikit-learn, pandas, and related ML librariesDeep understanding of ML theory, with a track record of research or applied projectsExperience in developing and optimizing algorithmsPreferred Qualifications물류 분야와 관련한 AI 모델 개발 경험상용화에 성공한 ML 프로젝트에 주도적으로 참여한 경험MLOps(Docker, Kubernetes, AWS), 자연어처리(Hugging Face, LangChain, 오픈소스 LLM), 분산 학습(Accelerator, Ray, DeepSpeed)을 포함한 다양한 딥러닝 실무 경험스타트업 환경에 적합한 마인드셋과 도전 정신을 가진 분Experience in developing AI models related to the logistics domainExperience in taking a leading role in ML projects that have been successfully commercializedHands-on experience in MLOps (Docker, Kubernetes, AWS), Natural Language Processing (Hugging Face, LangChain, open-source LLMs), and distributed training (Accelerator, Ray, DeepSpeed)A mindset suitable for startup environments and a spirit of challengeHiring Process서류 전형 > 면접 전형 > 레퍼런스 체크 > 처우 및 조건 협의 > 합격상황에 따라 일부 전형 단계가 추가되거나 조정될 수 있습니다.R&D 실무 능력을 확인할 수 있는 깃허브 혹은 개발자 블로그 주소 등 첨부 필수Application Review > Interviews > Reference Check > Offer & Negotiation > Final DecisionThe process may be adjusted depending on the situation.Submission of a GitHub link or developer blog address that demonstrates your practical R&D skills is required.