ML Engineer (Commerce 검색)

담당업무

• 초대규모 상품 검색 인프라를 구축하고 Commerce Search Tribe와 협업한다.
• 상품 질의를 의미적으로 분석하고 최적의 상품을 검색하는 랭킹 모델을 개발한다.
• 커머스 제품팀과 협력하여 비즈니스 성장을 위한 머신러닝 모델을 개발하고 적용한다.
• 검색 및 랭킹 알고리즘을 설계하고 구현하여 고객이 상품을 더 잘 탐색하고 발견하도록 한다.
• 커머스에 필요한 NLP 관련 업무를 수행하여 더 나은 검색 경험을 제공한다.
• 텍스트 질의 분석, 개체명 인식, 동의어·오타 교정 등을 통해 상품 설명·리뷰에서 의미를 추출하고 언어 기반 feature를 설계한다.
• GBDT·LambdaMART·XGBoost 등 Learning-to-Rank 모델을 설계·최적화한다.
• CTR·구매율 등 구조적 feature와 A/B 테스트를 통해 성능을 개선한다.
• Transformer 기반 검색/추천 모델과 사용자–상품 임베딩을 학습·서빙하고 텍스트+이미지 멀티모달 표현으로 랭킹 품질을 높인다.

자격요건

• Python과 SQL을 능숙하게 다룬다.
• 빅데이터 플랫폼을 이해하고 있으며 Hadoop 등 환경에 익숙하다.
• PyTorch, TensorFlow, HuggingFace 등의 머신러닝 라이브러리를 능숙하게 활용한다.
• 복잡한 문제를 이해하기 쉽게 설명할 수 있는 커뮤니케이션 역량을 갖춘다.
• 검색 서비스 전반에 대한 경험이나 NLP에 대한 경험이 있다면 좋다.
• 모델 성능에서 의미 있는 break-through를 이뤄낸 경험이 있다면 좋다.
• Transformer 기반 모델, LLM, Elasticsearch에 대한 전문성을 보유하거나 관심이 있다.

우대사항

• Applied Scientist, NLP, LLM, Elasticsearch 분야의 전문성을 발휘할 수 있다.
• 원천 데이터를 정제하고 머신러닝 모델을 서비스에 반영하고 운영한 경험이 있다.
• 검색 서비스 전반에 대한 이해와 NLP 경험이 있다면 더욱 좋다.
• 모델을 라이브 서비스에 적용하고 고도화한 구체적인 경험이 있다.

전형절차

1. 서류 접수
2. 1차 직무 인터뷰(코딩)
3. 2차 직무 인터뷰(심층 기술 면접 및 ML 시스템 설계)
4. 문화적합성 인터뷰
5. 레퍼런스 체크
6. 처우 협의
7. 최종 합격

참고사항

• 토스 데이터 조직에 대해 더 알아보고 싶다면 토스 Data Division 위키를 참고해 주세요.
• 토스로의 합류 여정은 서류 접수부터 시작되며 각 단계에서 자세한 안내가 제공됩니다.
• 한마디: 단순한 모델링만 하는 것이 아닌 비즈니스에 임팩트를 내는 역할입니다.
• 토스에서 모델링 그 이상을 추구하며, 금융 데이터 외 유저 이해를 바탕으로 슈퍼앱 운영에 기여할 수 있습니다.