[토스증권] ML Engineer(추천)
합류하게 될 팀에 대해 알려드려요
- 토스증권 Machine Learning Engineer는 Data Service Silo에 속해 있어요. 팀에서는 Data Engineer, Server Engineer, Frontend Engineer, Product Owner, Product Designer 와 같이 협업하면서 일해요.
- Data Service Silo의 목표는 다양한 증권 도메인의 데이터와 Machine Learning 기술을 통해 투자자들이 필요로 하는 정보를 제공하는 데이터 서비스들을 만드는 거에요.
- 데이터 서비스를 만들기 위해 개인화 추천 및 LLM 기반의 기술들을 사용하고 있어요.
합류하면 함께할 업무에요
- 다양한 증권 도메인의 데이터와 유저의 다양한 행동 데이터를 기반으로 개인화 서비스를 만들어요.
- 추천 모델을 구성하기 위해 다양한 데이터 기반으로 강화학습/딥러닝/머신러닝 기반의 방법론들을 실험하고 모델을 구축해요.
- 유저의 정보소비에 대한 다양한 가설들을 세우고 실제 서비스에 적용하며 검증하며 서비스를 고도화해요.
- 단순한 item 추천이 아닌 어떤 것들을 추천해야할 지, 유저를 어떻게 정의해야 할지부터 정의해가요.
이런 분과 함께하고 싶어요
- 실제 서비스에서 개인화/추천을 통해 다양한 가설들을 검증해보신 경험이 있으면 좋아요.
- 추천 시스템 도메인에 대한 탄탄한 백그라운드 지식이 있으면 좋아요.
- 다양한 딥러닝/머신러닝 기반의 추천 모델 실험하며 최적화해보신 경험이 있으면 좋아요.
- 실제 앱 서비스의 유저 행동 데이터 기반으로 모델링을 해보신 경험이 있으면 좋아요.
이력서는 이렇게 작성하시는 걸 추천해요
- 어떤 프로젝트 혹은 서비스들을 만들었는지, 그리고 목적과 결과가 어떤지 자세히 작성해주세요.
- 임팩트가 있었던 프로젝트 혹은 서비스 위주로 작성해주세요.
- 문제를 해결하며 어떤 목적으로 기술들을 사용했는지 작성해주세요.(기술적으로 외부 공개가 민감한 사항일 경우, 해당 부분은 제외해 주세요.)
토스증권에서 사용하는 기술
- 다양한 유저 데이터 기반으로 User Modeling 통해 다양한 유저 행동을 예측해요.
- User Feature를 정의하고 이를 활용하기 위한 Deep Learning 기반의 다양한 추천 모델을 구축해요.
- Multi-Armed Bandit(MAB) 기술을 사용해 추천 서비스에 구축해요.
- 대규모 유저 Feature 들을 활용하기 위해 자체 구축된 Feature Store 기반으로 유저 데이터를 활용해요.
토스증권으로의 합류 여정
- 서류접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우협의 > 최종합격 및 입사
꼭 확인해 주세요
- 이력서 및 제출 서류에 허위 사실이 발견되거나 근무 이력 중 징계사항이 확인될 경우, 채용이 취소될 수 있어요.
- 토스증권 내규에 따라 채용 금지자 또는 결격사유 해당자는 채용이 취소될 수 있어요.
- 장애인 및 국가보훈대상자는 지원 시 관련법에 따라 우대하고 있어요.
함께할 동료를 위한 한마디
“함께 금융 서비스를 Machine Learning 기술 기반으로 혁신할 동료를 기다리고 있어요!”
- 아직 금융 시장에서 금융 투자자들은 투자를 위해 수많은 정보들을 필요로 하지만 어떤 정보를 어디서 봐야할지, 정보를 어떻게 해석해야할지 너무 어려운 상황입니다.
- 저희는 추천과 LLM 기술을 활용해서 투자자가 필요로 하는 정보들을 만들고 개인화해서 본인에게 필요한 정보들만을 소비할 수 있고, 투자자의 성숙도에 맞춰 이해하기 쉽게 정보들을 만들고 있어요.
- 저희 토스증권의 Data Service Silo는 어떤 Machine Learning 조직들 보다도 다양한 서비스를 출시하고 검증하고 있어 단순 프로젝트성 업무가 아닌 유저들에게 가치를 전달하는 제품을 만들 수 있어요.
- 기존의 어려운 금융 서비스를 기술 기반으로 모든 투자자들이 필요한 맞춤형 정보를 쉽게 얻을 수 있고 활용할 수 있도록 서비스를 혁신하고 싶으신 분들 모두 환영합니다!
