[토스] ML Engineer(Platform)

토스 소속

정규직

합류하게 될 팀에 대해 알려드려요

• ML Engineer (Platform)은 ML Platform 팀에 속하여, 여러 ML Engineer 들 및 MLOps Engineer와 함께 일해요.
• ML 기술을 통해서 여러 비즈니스 도메인에서 발생하는 문제를 해결하고, ML을 기반으로 공통화된 기술 제품들을 토스팀에 제공해요. 새로운 기술 제품을 탐색하고 발굴하는 작업부터, 데이터 파이프라인, 모델 서빙과 모니터링까지 유기적으로 커버하고 있어요.
• 팀에서는 개인화 추천, 광고 최적화, Vision, 생성형 AI 등 여러 모델 개발/서빙을 위한 전체 파이프라인을 제공하며, 효율화를 위한 플랫폼 개발, ML 인프라 구축 등의 업무들도 진행하고 있어요.
• 토스 데이터 조직에 대해 더 알아보고 싶다면? → 토스 Data Division 위키

합류하면 담당하게 될 서비스를 소개해 드려요

• 만약 특정 도메인에 관심이 깊거나 관련 경험이 있다면 상세 채용공고를 통해 지원해주세요.
• 현재 페이지에서 지원하실 경우, 인터뷰를 통해 지원자분의 강점을 확인하고 그에 맞는 조직을 추천해 드릴게요.

💡 ML Platform (상세 채용공고)

• 대규모 데이터에 기반한 Feature Store, Model Trainer, Model Registry, Inference System, Monitoring 시스템 등 ML 파이프라인 최적화를 위한 플랫폼을 설계하고 개발해요.
• 여러 팀이 공통으로 사용하는 ML 라이브러리를 개발하고, 성능을 개선하여 더 효율적이고 확장할 수 있도록 지원하며, 토스의 다양한 서비스에 맞게 최적화하는 작업을 수행해요.
• ML 시스템의 확장성과 안정성을 확보하며, 머신러닝 작업을 더 효과적으로 수행할 수 있도록 베스트 프랙티스와 가이드라인을 작성하고 공유해요.
• ML 모델을 프로덕션 환경에 서빙하여, 안정적인 운영을 보장하고 최적화해요.

💡 ML Serving (상세 채용공고)

• GPU를 활용하여 대규모 ML 모델 서빙 시스템을 설계하고 효율적으로 운영합니다.
• Tensorflow Serving, TorchServe, Triton, TensorRT 등 최신 서빙 프레임워크를 활용하여 모델 서빙 파이프라인 구축 및 최적화합니다.
• 딥러닝 모델을 실시간 및 배치 환경에서 안정적으로 서빙하기 위한 아키텍처 설계합니다.
• Kubernetes, Docker 등의 컨테이너 오케스트레이션 도구를 활용한 서빙 시스템 배포 및 관리합니다.
• 모델 서빙 시스템의 모니터링 및 로깅 체계 구축 및 운영합니다.
• 최신 기술 트렌드와 툴을 탐색하여 서빙 성능 및 안정성을 지속적으로 개선합니다.

💡 MLOps (상세 채용공고)

• 다양한 ML 요구사항을 안전하고 빠르게 실험을 반복하고 배포할 수 있는 플랫폼 및 Kubernetes 인프라를 구축하고 제공해요.
• ML 파이프라인의 모든 단계에 사용되는 리소스를 최적화합니다.
• ML 프로덕트의 SLA를 맞추기 위해 새로운 오픈소스나 솔루션을 검토하고 구축합니다.

이런 분과 함께하고 싶어요

• 머신러닝과 딥러닝에 대한 깊이 있는 지식이 있고, 이를 대규모 시스템 설계와 엔지니어링 문제에 적용한 경험이 있으신 분이면 좋아요.
• GPU 기반 분산 학습/처리 프레임워크를 이용해 ML 서비스에 기여한 경험이 있으면 더 좋아요.
• Vector Database, NoSQL과 같이 ML 기반의 대용량 서비스를 위한 인프라에 대한 경험이 있으면 좋아요.
• GPU를 활용한 대규모 ML 모델 서빙 및 최적화 경험이 필요해요.
• Kubernetes 환경에서 시스템을 운영해 본 경험이 있으면 좋아요.
• 모델 서빙 환경에서의 성능 병목현상 진단 및 최적화 경험이 있으면 좋아요.
• Kotlin, SpringBoot에 대한 경험이 있으면 좋아요.
• 복잡한 문제를 이해하기 쉽게 설명할 수 있는 커뮤니케이션 역량을 갖춘 분이면 좋아요.
• 다양한 상황에서 다양한 솔루션을 고민해 보고, 최적의 방법을 찾을 수 있는 문제해결 능력을 갖추신 분일수록 좋아요.

이력서는 이렇게 작성하시는 걸 추천해요

• 진행했던 과제가 조직에 큰 영향력을 미쳤다면 그 내용을 자세히 작성해 주세요.
• 단순히 어떤 언어, 플랫폼, 프레임워크, 기술 등을 사용했는지보다는, 어떤 목적을 가진 과제였는지, 이를 해결하기 위해 무엇을 사용했는지, 어떻게 문제를 해결했는지에 대해 자세히 작성해 주세요.
• 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 기초 지식 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, Feature Store, 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!