[토스] ML Engineer(General)

토스 소속

정규직

합류하게 될 팀에 대해 알려드려요

• MLE (General)은 ML Service 팀에 속하여, 토스의 다양한 문제를 머신러닝을 통해 빠르게 해결하고 자동화하는 역할을 맡고 있어요.
• 추천 시스템, NLP, Anomaly Detection, AutoML 등 다양한 문제를 다루며, 필요하다면 새로운 영역도 개척해 나가요.
• ML Service 팀은 여러 서비스 팀과 긴밀하게 협업하면서 실제 사용자 경험에 직접적인 임팩트를 주는 머신러닝 시스템을 개발하고 있어요.
• 토스 데이터 조직에 대해 더 알아보고 싶다면? → 토스 Data Division 위키

합류하면 함께 할 업무에요

• 토스 전반의 다양한 문제를 머신러닝 기반으로 정의하고 해결해요.
• 추천, 이상 탐지, 자연어 처리, AutoML 등 다양한 과제를 다루며, 필요에 따라 새로운 문제 유형을 탐색하고 실험해요.
• 사용자 행동, 금융 데이터, 로그, 비정형 정보 등 도메인을 가로지르는 다양한 데이터를 분석하고 모델에 반영해요.
• 전사 차원에서 재사용할 수 있는 파운데이션 모델을 설계하거나, 기존 모델을 실험하고 최적화해요.
• 빠른 학습과 실험을 통해 문제 해결 속도를 높이고, 반복 가능한 방법론으로 정제해 나가요.
• 머신러닝 모델 개발 과정에서 축적한 경험을 바탕으로, 조직 전체가 참고할 수 있는 베스트 프랙티스를 문서화하고 전파해요.

이런 분과 함께하고 싶어요

• 머신러닝에 대한 깊이 있는 이해와, 이를 다양한 비즈니스 문제에 적용해 본 경험이 있으신 분이면 좋아요.
• SQL 및 Hadoop, Spark 등의 빅데이터 플랫폼에 익숙하신 분이면 좋아요.
• 모델을 설계하고 개발하여 실제 서비스에 적용하고, 그 결과를 분석해 본 경험이 있으신 분이면 좋아요.
• PyTorch, TensorFlow, XGBoost, LightGBM 등 주요 ML 라이브러리들을 실무에서 사용해 본 경험이 있다면 좋아요.
• 복잡한 기술적 개념을 명확하고 쉽게 설명할 수 있는 커뮤니케이션 역량이 있으신 분이면 좋아요.
• 새로운 문제에 빠르게 몰입하고, 필요한 역량을 스스로 학습하며 해결해 본 경험이 있다면 더욱 좋아요.

이력서는 이렇게 작성하시는 걸 추천해요

• 머신러닝 알고리즘을 직접 개발하고 운영에 적용한 경험이 있다면, 사용한 기술과 그로 인한 변화까지 작성해 주세요.
• 팀과 함께 만들어낸 결과뿐 아니라, 본인이 주도적으로 기여한 부분을 구체적으로 적어주세요.
• 지금까지의 경험이 많지 않더라도, 문제를 정의하고 해결한 과정이 잘 드러난다면 좋은 인상을 줄 수 있어요.

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

"단순한 모델링만 하는 것이 아닌, 비즈니스에 임팩트를 내는 역할이에요."

• 토스에서 가장 만족스러운 것은 모델링 그 이상을 한다는 거예요.
• 이전에는 주어진 모델에 데이터를 넣고 성능을 평가하는 것이 전부였는데, 지금은 집계되지 않는 데이터를 어떻게 모델에 녹여낼 수 있을지 고민하고 있어요.
• 금융 관련 데이터로만 분석과 모델링 하는 것에 나아가, 유저에 대한 이해를 바탕으로 슈퍼 앱을 운영하는데 임팩트를 내는 데 기여할 수 있어 보람차요!