Machine Learning Engineer (Match Group AI | 전문연구요원 편입/전직 가능)

서울시
정규직
풀타임

2개월 전

-Legal Entity: Hyperconnect-Brand: Match Group AIMatch Group AI 소개Match Group AI 는 중앙 AI 조직으로서, AI 기술을 활용하여 Tinder와 Hinge를 비롯한 Match Group의 다양한 제품군에 기여하고 있습니다. 기존의 기술로는 접근하기 어렵지만 AI 기술을 통해 풀 수 있는 문제들을 찾아내고 사용자 경험을 혁신합니다. 사용자들이 자신을 더 잘 표현할 수 있도록 돕는 도구를 만들고, 의미 있는 만남을 발견하는 과정에서 더 만족스러운 경험을 제공할 수 있는 기능을 개발하고 있습니다.Match Group AI ML Team 소개ML Team은 Match Group의 다양한 서비스에 AI 기술을 적용하는 ML Engineer로 구성된 팀입니다. 이들은 최신 AI 기술을 연구하고 적용하는 과학자이자, 실제 서비스 환경에 맞게 모델 및 시스템을 설계하고 최적화하여 실질적인 임팩트를 만들어내는 엔지니어이기도 합니다.팀의 업무는 실제 서비스 현장에서 발생하는 문제를 발굴하고 정의하는 것에서 시작됩니다. 문제 해결에 가장 적합한 SotA(State-of-the-Art) 모델을 개발하거나 재현하고, 완성된 모델을 모바일과 서버 환경에 안정적이고 효율적으로 배포합니다. 이후에도 지속적인 모니터링과 개선을 통해 서비스의 AI Flywheel을 구축해 나갑니다. 이 과정에서 백엔드/프론트엔드/DevOps 엔지니어, 데이터 분석가, PM 등 다양한 전문 조직과 긴밀히 협업하며 실제 사용자에게 임팩트를 주는 AI 경험을 만들어갑니다. 일하는 모습에 대한 조금 더 자세한 이야기는 다음의 내용을 참고하시면 좋습니다.--업무 성과 중 일부는 논문 또는 오픈소스 코드로 외부에 공개하기도 합니다. 제품에 사용하기 위한 목적으로 ML 모델을 만들다 보면, 기존 연구로는 부족한 경우가 많습니다. 부족한 부분을 채우기 위해 진행된 연구의 결과물을 프로젝트 참여자들이 모두 함께 협업하여 연구의 의미 있는 부분을 정돈하고, 가능하다면 코드와 함께 공개합니다. 그 결과, 지금까지 아래 성과를 포함해 약 20여 건의 대외적 연구 성과를 거둘 수 있었습니다.- 2024년- 2023년- 2023년- 2022년- 2022년- 2022년- 2022년- 2022년ML 연구가 잘 진행되기 위해서는 딥러닝 학습을 위한 인프라도 잘 갖추어져야합니다. ML engineer들이 충분히 모델 개발 및 실험을 진행할 수 있도록 자체 딥러닝 클러스터(총 , 40대 H100 GPU)를 보유하고 있습니다. 추가적으로, 데이터 수집, 전처리를 포함한 자체적인 데이터 파이프라인을 클라우드 서비스를 활용하여 구축 및 운영하고 있습니다. 또, ML 모델의 제품화를 도와주실 다양한 software engineer(백엔드/프론트엔드/DevOps/MLSE)분들과 함께 일하고 있습니다.담당 업무Match Group AI의 ML Engineer는 Tinder, Hinge 등 매치그룹의 글로벌 팀들과 협업하며, 생성형 AI, 온디바이스 AI, 추천 시스템 등 다양한 AI 기술을 활용해 데이팅 도메인 사용자 경험을 혁신하는 다양한 프로젝트를 수행합니다. 아이디어 구상부터 프로토타이핑, 실제 사용자에게 도달하기까지 전 과정을 주도적으로 이끌며, 필요하다면 직무 역할과 도메인, 기술 스택의 경계를 넘나들며 문제를 해결합니다.저희는 아래와 같은 문제들 중 일부에 대한 경험이 있거나, 아직 경험해보지 않은 문제라도 빠르게 학습하고 주도적으로 대응할 수 있는 분을 찾고 있습니다.- 제품에서 발생하는 multi-modal data를 효과적으로 활용하며, 극도로 불균형하거나 노이즈가 많은 데이터를 처리하고, 서로 다른 도메인에서 수집된 데이터 간 차이를 극복할 수 있는 domain adaptation 기법- 모델 요구사항이 자주 변경되거나 초기 데이터가 충분하지 않은 상황에도 유연하게 대응할 수 있는 meta learning 접근법- 모바일 환경에서 짧은 응답 시간(latency)을 유지하면서도 높은 성능을 달성할 수 있도록, 모델을 경량화하고 최적화하는 방법- 대규모 언어 모델(large language models)이나 멀티모달 모델(multimodal models)을 활용해 새로운 기능을 개발하고, 특정 기능을 위해 효과적으로 모델 성능을 끌어올리는 방법- 대규모 모델을 실제 서비스 환경에서 안정적으로 운영하기 위한 모델링, 최적화 및 경량화 기법- 서비스, 시스템, 모델에 의해 발생하는 다양한 데이터 편향을 해결하기 위한 방법Requirements

AI/ML에 대한 기본 지식과 적어도 한 개 이상의 특정 도메인에 대한 깊이 있는 지식을 갖추고, 관련 프로젝트 경험이 있으신 분
Exploratory Data Analysis(EDA)를 통해, 데이터의 통계적 특성과 패턴을 발견하고 이를 ML 모델에 반영하실 수 있는 분
공개된 벤치마크 데이터 셋을 이용해 모델의 테스트 성능을 올리기 위해 여러 가지 모델링을 해본 경험이 있으신 분
구현체가 공개되지 않은 논문을 읽고, 빠르고 정확하게 구현할 수 있는 구현 역량을 갖추신 분
Tensorflow, PyTorch, JAX 등 오픈소스 프레임워크 및 전반적인 파이썬 개발에 능숙하신 분
ML 모델 학습 및 서비스 배포에 필요한 엔지니어링 역량을 갖추신 분
AI 기술의 서비스화에 관심이 많으신 분
학위/국적 무관, 영어로 기초적인 의사소통이 가능하고, 한국어로 원활한 의사소통이 가능한 분

Preferred Qualifications

AI/ML 도메인 전반에 대한 이해를 갖추신 분
ML 관련 탑티어 학회 및 저널(NeurIPS, ICLR, ICML, CVPR, ICCV/ECCV, KDD, …) 게재 실적 혹은 AI 관련 대회 수상 실적이 있으신 분
ML 관련 오픈 소스 개발에 참여해 본 경험이 있으신 분
ML 워크플로우의 자동화 경험이 있으신 분(예: AutoML, hyperparameter optimization, 데이터 및 학습 파이프라인 구성 등)
클라이언트(Android, iOS), 백엔드를 포함해 AI/ML 분야 외 프로젝트 개발 경험이 있으신 분
실제 서비스에 AI 기술을 통합하고 주요 지표를 유의미하게 향상시켜 본 경험이 있으신 분
A/B 테스트 실험 기획 및 타겟 KPI 지표를 정의하고, SQL기반 데이터 분석을 진행한 경험이 있으신 분
영어로 비즈니스 의사소통이 가능하신 분

제출해 주신 내용 중 허위 사실이 있거나 관련법 상 근로제공에 결격사유가 있는 경우 채용이 취소될 수 있으며, 필요시 사전에 안내된 채용 절차 외에도 추가 전형 및 서류 확인이 진행될 수 있습니다.국가보훈대상자는 관계 법령에 따라 우대하오니, 해당되시는 분께서는 지원 시 고지해주시고 채용 시 증빙서류를 제출해주시기 바랍니다.하이퍼커넥트가 채용하는 포지션에 지원하는 경우, 개인정보 처리에 관하여서는 본 개인정보처리방침이 적용됩니다:#HPCNT

Match Group

지원하기