MLOps Engineer

합류하게 될 팀에 대해 알려드려요 토스의 MLOps Engineer는 ML Platform 팀에 속해있어요. ML 기술을 통해서 토스팀의 문제를 해결하고, ML을 기반으로 한 서비스와 제품을 토스팀에 제공해요. 새로운 제품을 탐색하고 발굴하는 작업부터, 데이터 파이프라인, ML 모델링 및 서빙과 모니터링까지 유기적으로 커버하고 있어요. 팀에서는 개인화 추천, 검색, 광고 최적화, 생성형 AI를 활용한 어플리케이션 개발, ML 전체 파이프라인의 효율성을 위한 플랫폼 개발, MLOps 인프라 구축 등의 업무를 진행하고 있어요. **토스 데이터 조직에 대해 더 알아보고 싶다면?** [→ *토스 Data Division 위키*](https://recruit-data-division.oopy.io/)합류하면 함께 할 업무에요 다양한 ML 요구사항을 안전하고 빠르게 실험을 반복하고 배포할 수 있는 플랫폼 및 Kubernetes 인프라를 구축하고 제공해요. ML 파이프라인의 모든 단계에 사용되는 리소스를 최적화합니다. ML 프로덕트의 SLA를 맞추기 위해 새로운 오픈소스나 솔루션을 검토하고 구축합니다.이런 분과 함께하고 싶어요 Machine Learning에 대한 기본 지식과 관심이 풍부하면 좋아요. Vector Database, NoSQL과 같이 ML 기반의 대용량 서비스를 위한 인프라에 대한 경험이 있으면 좋아요. Kubernetes 환경에서 시스템을 운영해 본 경험이 있으면 좋아요. GPU 기반 분산 학습/처리 프레임워크를 이용해 ML 서비스에 기여한 경험이 있으면 더 좋아요. 복잡한 문제를 이해하기 쉽게 설명할 수 있는 커뮤니케이션 역량을 갖춘 분이면 좋아요. 다양한 상황에서 다양한 솔루션을 고민해 보고, 최적의 방법을 찾을 수 있는 문제해결 능력을 갖추신 분일수록 좋아요. 오픈 소스를 단순히 가져와서 사용하지 않고, 내부 구조를 직접 파악 및 내부 동작의 이해를 쌓은 후 사용하시는 분일수록 좋아요.이력서는 이렇게 작성하시는 걸 추천해요 진행했던 과제가 조직에 큰 영향력을 미쳤다면 그 내용을 자세히 작성해주세요. 단순히 어떤 언어, 플랫폼, 프레임워크, 기술 등을 사용했는지보다는, 어떤 목적을 가진 과제였는지, 이를 해결하기 위해 무엇을 사용했는지, 어떻게 문제를 해결했는지에 대해 자세히 작성해 주세요. 플랫폼을 운영하면서 발생한 치명적인 장애를 해결해 보았거나, 성능/리소스 최적화를 해 본 경험이 있다면 작성해 주세요. 오픈소스 사용 중에 발생한 버그나 이슈를 해결해 보았거나, 부족한 기능을 개선하기 위해 오픈소스에 기여했던 경험이 있다면 작성해 주세요.토스로의 합류여정 서류 접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.함께 할 동료를 위한 한마디"프로덕션에서 동작하는 ML 솔루션을 만들고, 각종 최적화 도구와 플랫폼을 직접 구축하고 고도화 해나가는 것, 토스에서는 가능해요!" 저희는 토스에서 추천 / 타겟팅 서비스, ML 파이프라인 구축, FeatureStore, Monitoring System, Vector DB 등을 효율적으로 구축하고 무결하게 운영하는 것을 목표로 업무에 몰입하고 있어요. MLOps End-to-End 파이프라인을 구축함에 있어 과도한 복잡함을 피하고 간단하고 명확한 방식으로 견고한 구조를 설계하는 과정을 동료들과 함께 할 수 있습니다. 아직 밝혀지지 않은 문제를 정의하고, 심층적이면서 다면적인 해법을 찾아가는 과정을 즐기는 분을 기다리고 있습니다. 다양한 금융 데이터와 머신러닝 기법을 적용한 결과물을 End-to-End로 함께 경험하실 분을 기다릴게요!