ML Engineer 토스 소속 정규직 합류하게 될 팀에 대해 알려드려요 ML Engineer (Product)는 토스의 메이커 조직인 사일로(Silo)에 속해있어요. 한 사일로에는 프로덕트 오너/프로덕트 디자이너/개발자/데이터 분석가 등 6~8명의 직군이 하나의 사일로를 이루어 작은 스타트업처럼 자율성을 갖고 일하고 있어요. 사일로에서 해결하는 업무에 따라서 개인화 추천, 광고 최적화 등 도메인이 가지고 있는 문제를 머신러닝을 통해서 해결하는 업무를 하게 돼요. 합류하면 함께 할 업무에요 토스의 주요 제품/비즈니스 성장을 위해 딥러닝 및 머신러닝 모델을 설계하고 프로덕션 환경에 적용해요. ML이 적용된 제품의 성능을 지속적으로 개선하고, 프로덕션 환경에서 모델이 안정적으로 동작할 수 있도록 시스템의 확장성과 안정성을 확보해요. 제품 및 서비스의 요구 사항을 반영하여 프로덕션 레벨의 고성능 ML 모델을 구축하고 최적화해요. 추천, 광고 최적화 등을 위한 딥러닝 모델을 실제 서비스에 서빙하고 운영해요. 프로덕트 담당자와 협력하여 비즈니스 요구 사항을 이해하고, 프로덕션에 적합한 기술적 솔루션을 제안하고 구현해요. 실시간으로 동작하는 대규모 시스템을 안정적으로 운영하고 최적화해요. 이런 분과 함께하고 싶어요 딥러닝과 머신러닝에 대한 탄탄한 백그라운드 지식이 있으면 좋아요. 대규모 시스템을 설계, 최적화한 경험이 있으면 좋아요. Pytorch, TensorFlow 등 딥러닝 프레임워크를 사용하여 프로덕션 환경에서 모델을 개발하고 운영해 본 경험이 있으면 좋아요. SQL과 같은 데이터베이스 기술 및 Hadoop, Spark 등 빅데이터 플랫폼을 활용한 경험이 있으면 좋아요. 실제 서비스에 머신러닝 및 딥러닝 모델을 서빙하고 운영한 경험이 있으면 좋아요. 머신러닝 파이프라인을 설계하고 최적화한 경험이 있으면 좋아요. 복잡한 기술적 문제를 명확하고 효과적으로 해결할 수 있는 역량이 있으면 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 작성해주세요. 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 > 1차 직무 인터뷰 (코딩) > 2차 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격 1차 직무 인터뷰에서는 간단한 코딩 테스트, 이력 체크, ML 기초지식 테스트가 진행될 예정이에요. 2차 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요. 함께할 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!