AI 연구팀 MLOps 엔지니어 채용

포지션 상세 정보

기술스택

Docker
Git
Grafana
Jenkins
Kubernetes
Prometheus
PyTorch
Terraform
Transformers
DVC

주요업무

• 의료 도메인 AI 모델의 서빙 인프라 설계, 구축 및 운영
• 모델 학습부터 배포까지 이어지는 CI/CD 파이프라인 구축 및 관리
• 모델 학습 코드 구조화 및 리팩토링, 버전 관리, 실험 재현성 확보, 코드 리뷰
• 최신 모델 아키텍처 및 오픈소스 라이브러리 코드 분석과 연구 코드의 서비스 환경 이식
• 의료 데이터 파이프라인 구축 및 운영
• GPU 서버 클러스터 관리 및 리소스 최적화
• 모델 성능 모니터링, 로깅 및 알림 체계 구축
• 컨테이너 기반 배포 환경(Docker, Kubernetes) 운영 및 개선

자격요건

• 경력 1년 이상 (인턴 및 프로젝트 경험 포함)
• MLOps 파이프라인 설계와 구현, 실서비스 운영 경험
• PyTorch 기반 최신 딥러닝 아키텍처(Transformer, ViT, 탐지 모델 등) 및 주요 라이브러리 코드를 읽고 수정하며 통합할 수 있는 역량
• Git 기반 협업 및 학습 코드 버전 관리 경험
• Python/FastAPI 기반 백엔드 개발 경험
• Docker, Kubernetes, Jenkins 등 CI/CD 환경 운영 경험
• GPU 서버 및 모델 서빙 인프라 운영 경험

기술스텍(아래는 주로 사용하는 스택이며, 유사한 도구 경험도 무방합니다)
• 학습 프레임워크: PyTorch, Hugging Face Transformers, timm, Ultralytics 등
• 코드 및 데이터 버전 관리: Git, DVC 등
• 모델 서빙: Triton Inference Server, TorchServe 등
• 모니터링 및 운영: Prometheus, Grafana 등
• 인프라: Docker, Kubernetes, Jenkins, Terraform 등
• 언어/프레임워크: Python, FastAPI 등
• 워크플로 오케스트레이션: Airflow, MLflow 등

우대사항

• 의료 데이터(영상, 소견, EMR 등) 처리 경험
• 멀티 GPU 분산 학습 또는 모델 경량화(양자화, 프루닝 등) 경험
• 최신 논문 구현체를 재현하거나 사내 학습 파이프라인에 적용해 본 경험
• 클라우드 인프라(AWS, GCP, Azure) 운영 경험
• 모델 버전 관리 및 A/B 테스트 파이프라인 구축 경험

복지 및 혜택

• 탄력근무 가능
• 수평적 조직문화
• 정시퇴근(야근 강요 안함)
• 장기근무 포상 및 휴가 지원
• 생일 축하금
• 명절 휴가 상여금
• 자녀 출산 및 입학 축하금
• 건강검진 지원(20~30만원 상당)
• 우수사원 포상 및 해외여행 지원
• 육아 휴직제도

채용절차 및 기타 지원 유의사항

서류 전형 → 1차(실무) 인터뷰 → 2차(임원) 인터뷰 → 입사
※ 절차 및 과제 유무는 상황에 따라 조정될 수 있습니다.

ㆍ제출된 서류에 기재된 내용이 사실과 다를 경우, 합격이 취소될 수 있습니다.
ㆍ입사 후 3개월의 수습기간이 진행됩니다.
ㆍ해당 분야에 적격자가 없을 경우 선발하지 않을 수 있습니다.
ㆍ탈락자에게는 따로 연락을 하지 않습니다.