ML Engineer

담당업무

• 토스증권 AI Silo의 ML Engineer로서 데이터 서비스 개발을 위한 개인화 추천 및 LLM 기반 기술의 구현에 참여
• 다양한 증권 도메인의 데이터와 유저 행동 데이터를 기반으로 개인화 서비스를 설계하고 구현
• 추천 모델 구성을 위해 강화학습/딥러닝/머신러닝 기반 방법론을 실험하고 모델을 구축
• 유저의 정보소비에 대한 가설을 수립하고 실제 서비스에 적용·검증하여 서비스 고도화를 주도
• 단순한 아이템 추천이 아닌 추천 대상 및 유저 정의를 함께 정의하고 개선

자격요건

• 다양한 딥러닝/머신러닝 기반의 추천 모델 실험 및 최적화 경험이 있는 자
• 실제 앱 서비스의 유저 행동 데이터 기반으로 모델링 경험이 있는 자
• User Modeling을 통해 다양한 유저 행동 예측 경험이 있는 자
• Multi-Armed Bandit(MAB) 기술을 추천 서비스에 적용한 경험이 있는 자
• 대규모 유저 Feature 활용을 위한 Feature Store 구축 경험이 있는 자
• 문제 해결을 위한 기술 선택과 적용에 능숙한 자

우대사항

• 추천 시스템 도메인에 대한 탄탄한 백그라운드 지식
• 실무에서 개인화/추천을 통해 다양한 가설을 검증한 경험
• 임팩트 있는 프로젝트나 서비스의 목적과 결과를 상세히 기술한 이력서 작성 경험
• 기술적 외부 공개가 민감한 부분을 적절히 비공개 처리한 이력서 작성 능력
• 장애인 및 국가보훈대상자에 대한 우대 관련 규정 준수 경험

근무환경

• AI Silo는 다양한 ML 조직과 협업하며 수많은 서비스 출시 및 검증을 수행하는 환경
• 협업 구성원: Data Engineer, Server Engineer, Frontend Engineer, Product Owner, Product Designer 등과 협력

복리후생

• 장애인 및 국가보훈대상자 우대 정책

전형절차

1. 서류접수
2. 직무 인터뷰
3. 문화적합성 인터뷰
4. 레퍼런스 체크
5. 처우협의
6. 최종합격 및 입사 확정

지원방법

서류접수 및 인터뷰를 통해 최종 합격 및 입사까지 진행됩니다. 이력서에는 어떤 프로젝트나 서비스들을 만들었는지, 그리고 목적과 결과가 어떤지 자세히 작성해 주세요. 문제를 해결하며 어떤 목적으로 기술들을 사용했는지 작성해 주세요. 기술적으로 외부 공개가 민감한 사항은 제외해 주세요.

기타사항

• 토스증권에서 사용하는 기술 스택과 데이터 기반 User Modeling을 통한 유저 행동 예측, Deep Learning 기반의 다양한 추천 모델 구축, Multi-Armed Bandit 기술의 도입, 자체 구축된 Feature Store를 통한 대규모 유저 데이터 활용에 대한 내용이 포함되어 있습니다
• 합류 여정은 서류접수 → 직무 인터뷰 → 문화적합성 인터뷰 → 레퍼런스 체크 → 처우협의 → 최종합격 및 입사 순으로 진행됩니다
• 현재 제공된 정보 외의 고용 형태, 경력 연차, 학력 등은 별도 항목으로 다루지 않으며, 본 문서의 정보만으로 채용 절차를 이해해 주시길 바랍니다