포지션 상세
사람들이 온라인에서 소통을 더 많이 하고 개인의 관심사와 취향에 맞게 콘텐츠를 소비하는 시대가 되었습니다. 옴니어스는 디지털 세상에서 사람들이 물건을 구매하고 정보를 찾고 트렌드를 발견하는 과정을 혁신하는 인공지능 회사입니다. 저희의 미션은 사람이 중심이 되는 인공지능 도구와 서비스를 통해 고객 삶을 윤택하게 만드는 것입니다.
그렇기에, 옴니어스의 인공지능 솔루션은 기업 실무자의 반복적이고 지루한 작업을 자동화하고 (옴니어스 태거) 사용자가 원하는 상품을 영상으로 보다 간편하게 찾을 수 있게 하고(옴니어스 렌즈) 자신의 취향에 꼭 맞는 상품이 발견되도록 (옴니어스 개인화 추천) 돕고 있습니다. 더 나아가 정보의 홍수 속에서 대중에게 진짜 트렌드와 신뢰도 있는 정보를 제공하기 위해 알피라는 트렌드 서비스를 운영하고 있습니다.
옴니어스는 패션의 구글이 되는 것이 목표입니다. 물론 그것을 도달하는 과정과 형태는 다를 수 있습니다. 저희는 사람들 자신이 더 돋보이고 사랑받을 수 있는 존재가 될 수 있도록 콘텐츠와 쇼핑 정보 그리고 사람을 연결하고 일터에서는 업무의 생산성을 높이고 인간이 더 창의적인 활동을 할 수 있도록 인공지능 기술과 서비스를 만들고 있습니다.
국내 유수의 고객사와 사용자에게 사랑받고 있는 옴니어스 서비스가 더 많은 사람 그리고 글로벌에서도 좋은 영향을 이어나가는데 핵심 역할을 해줄 Machine Learning Engineer 를 모시고 있습니다. 옴니어스 크루와 함께 담대한 여정을 함께할 호기심 많은분들의 많은 지원 바랍니다!
옴니어스 AI 연구팀은 머신러닝 분야의 cutting-edge 기술들을 패션 도메인이 가진 특성에 맞는 적합한 형태로 변형/적용하며 문제를 풀어나가고 있습니다. 패션 이미지를 제대로 해석하기 위해서는 아이템, 형태 등과 같은 객관적인 속성 부터 스타일, 감성키워드와 같은 정성적인 속성 그리고 성별, 사람의 자세, 옷의 겹침 등 속성의 높은 복잡도와 이미지의 비정형성을 극복해야 합니다. 그렇기 때문에 패션을 해석하기 위한 머신러닝 모델을 개발하는 것은 단순히 딥러닝 모델을 블랙박스처럼 활용하는 것 이상의 많은 노력을 필요로 합니다.
옴니어스는 글로벌 수준의 패션 AI 기술을 개발하기 위해, 지난 6년간 자체 개발한 데이터 수집 툴을 통해 패션 전문가 그룹과 머신러닝 전문가가 협업을 하여 OMNIOUS Fashion 데이터셋을 구축해왔습니다. 또한 지난 3년간 상용화된 머신러닝 서비스를 운영하면서 고객사의 피드백이 지속적으로 반영되어 더욱 real world에 근접한 데이터셋으로 진화하고 있습니다. 옴니어스 AI 연구팀은 이러한 학습데이터를 활용해 패션을 이해하는 머신러닝 연구와 시장의 문제를 지속적으로 해결하고 있습니다. 최근에는 수요 예측을 통한 재고 관리 최적화를 시작으로 패션을 넘어 다양한 리테일 영역으로의 확장을 진행중에 있습니다.
* Recommendation 관련 연구 분야, Trend Analysis 관련 연구 분야는 개별 공고를 확인해 주세요.
1) Fashion object detection and fine-grained classification
• (i) 작은 물체 (ii) 서로 겹친 물체가 있는 다양한 소스의 패션 이미지들에 대해서도 잘 작동하는 detector 모델을 연구/개발합니다.
• 클래스 간 유사도가 높고, 클래스 내 다양성이 큰 패션 아이템들이 포함된 이미지에서의 fine-grained 물체 분류를 위한 classifier 모델을 연구/개발합니다.
2) Multi-label attributes detection and multi-task learning
• (i) 다양한 종류의 속성 (프린트 패턴, 소재감, 패션 아이템의 디테일한 구성요소) 등을 detection 하고 (ii) 그러한 속성들 간의 관계를 활용한 multi-task learning 모델을 연구/개발 합니다.
3) Robust fashion image retrieval
• 패션 아이템의 색상, 소재, 패턴, 소매, 넥라인, 핏 등 다양한 속성들을 고려한, 유사한 스타일의 상품을 실시간으로 찾아주는 embedding 모델을 연구/개발 합니다. 제한된 환경에서 제작된 상업용 이미지 뿐만이 아닌 다양한 디바이스와 빛 조건에서 촬영된 사용자의 이미지들에서도 robust한 모델을 개발합니다.
4) Noisy label classification
• 학습된 모델의 confidence를 활용하여 학습 데이터 내의 오분류된 데이터를 찾는 알고리즘을 연구/개발 합니다. Noisy label을 제외하고 학습하여 모델의 성능을 개선하거나 해당 데이터에 대해 검수 우선순위를 부여하여 옴니어스 데이터 플랫폼을 활용한 빠르고 효율적인 cleansing 작업이 가능하도록 합니다.
5) Semi-supervised / Self-supervised learning
• 옴니어스는 지난 6년간 서비스를 하며 자체 확보한 3천만장 이상의 Unlabeled 데이터를 보유하고 있으며, 그 수량은 빠르게 증가하고 있습니다. 정답이 없는 이미지 데이터를 활용한 semi-supervised 및 self-supervised learning을 통해 classifier, detector, embedding model 등 다양한 모델에 활용되는 backbone representation을 고도화 하는 연구를 진행합니다. 최근에는 SwinTransformer 기반 EsViT 모델을 학습중에 있습니다.
6) Style keyword generation
• 이커머스, SNS의 이미지와 실제 사용자들이 많이 활용하는 키워드의 pair 데이터셋을 활용해, '가을나들이룩', '데일리룩', '하객룩' 등과 같이 단순한 속성들의 조합으로 표현되지 않는 패션 이미지들의 특성을 표현하는 다양한 스타일 키워드를 생성하는 모델을 연구/개발합니다.
7) Near duplicate image detection
• 옴니어스는 약 9000여개의 브랜드 상품들 및 약 3만여 명의 패션 인플루언서로 부터 수많은 패션 관련 이미지들을 실시간으로 수집하고 있습니다. 판매를 위한 상품이나 패션 인플루언서의 SNS 포스트 이미지들이 같은 아이템을 촬영한 이미지인 경우에도 촬영 각도나 환경에 따라 약간의 변형만 생겨도 다른 이미지로 분류되기 때문에, 중복 상품에 대한 판별을 하는 것은 매우 중요한 문제입니다. 동일한 상품이지만 변형이 있는 경우를 동일 상품으로 인식하는 embedding 모델을 연구/개발 합니다.
채용 프로세스
서류 전형 ⇒ 1차 기술 인터뷰 ⇒ 2차 기술 인터뷰 ⇒ 임원 인터뷰 ⇒ 최종 합격
- 1차 기술 인터뷰 : 해당 포지션 실무 및 리더와 지원하신 포지션에 대한 업무 역량을 확인하는 시간입니다.
- 2차 기술 인터뷰 : 옴니어스 연구팀에서 관심있게 보고 있는 논문 리스트를 드리고, 해당 논문들 중 하나에 대한 발표를 진행하며 팀 멤버들과의 Discussion을 진행합니다.
- 임원 인터뷰&Culture Fit : 해당 포지션에 대한 심층면접과 옴니어스의 조직문화에 대한 생각을 나누는 시간입니다.
• 머신러닝/딥러닝에 대한 깊은 이해
• Pytorch, Tensorflow 등의 딥러닝 라이브러리를 사용한 연구 경험
• 풍부한 Python 활용 경험
• 논문을 통해 새로운 연구 내용을 이해할 수 있는 능력 및 구현 경험
• 최신 머신러닝/딥러닝 연구 주제들에 대한 지식 및 구현 경험
그렇기에, 옴니어스의 인공지능 솔루션은 기업 실무자의 반복적이고 지루한 작업을 자동화하고 (옴니어스 태거) 사용자가 원하는 상품을 영상으로 보다 간편하게 찾을 수 있게 하고(옴니어스 렌즈) 자신의 취향에 꼭 맞는 상품이 발견되도록 (옴니어스 개인화 추천) 돕고 있습니다. 더 나아가 정보의 홍수 속에서 대중에게 진짜 트렌드와 신뢰도 있는 정보를 제공하기 위해 알피라는 트렌드 서비스를 운영하고 있습니다.
옴니어스는 패션의 구글이 되는 것이 목표입니다. 물론 그것을 도달하는 과정과 형태는 다를 수 있습니다. 저희는 사람들 자신이 더 돋보이고 사랑받을 수 있는 존재가 될 수 있도록 콘텐츠와 쇼핑 정보 그리고 사람을 연결하고 일터에서는 업무의 생산성을 높이고 인간이 더 창의적인 활동을 할 수 있도록 인공지능 기술과 서비스를 만들고 있습니다.
국내 유수의 고객사와 사용자에게 사랑받고 있는 옴니어스 서비스가 더 많은 사람 그리고 글로벌에서도 좋은 영향을 이어나가는데 핵심 역할을 해줄 Machine Learning Engineer 를 모시고 있습니다. 옴니어스 크루와 함께 담대한 여정을 함께할 호기심 많은분들의 많은 지원 바랍니다!
옴니어스 AI 연구팀은 머신러닝 분야의 cutting-edge 기술들을 패션 도메인이 가진 특성에 맞는 적합한 형태로 변형/적용하며 문제를 풀어나가고 있습니다. 패션 이미지를 제대로 해석하기 위해서는 아이템, 형태 등과 같은 객관적인 속성 부터 스타일, 감성키워드와 같은 정성적인 속성 그리고 성별, 사람의 자세, 옷의 겹침 등 속성의 높은 복잡도와 이미지의 비정형성을 극복해야 합니다. 그렇기 때문에 패션을 해석하기 위한 머신러닝 모델을 개발하는 것은 단순히 딥러닝 모델을 블랙박스처럼 활용하는 것 이상의 많은 노력을 필요로 합니다.
옴니어스는 글로벌 수준의 패션 AI 기술을 개발하기 위해, 지난 6년간 자체 개발한 데이터 수집 툴을 통해 패션 전문가 그룹과 머신러닝 전문가가 협업을 하여 OMNIOUS Fashion 데이터셋을 구축해왔습니다. 또한 지난 3년간 상용화된 머신러닝 서비스를 운영하면서 고객사의 피드백이 지속적으로 반영되어 더욱 real world에 근접한 데이터셋으로 진화하고 있습니다. 옴니어스 AI 연구팀은 이러한 학습데이터를 활용해 패션을 이해하는 머신러닝 연구와 시장의 문제를 지속적으로 해결하고 있습니다. 최근에는 수요 예측을 통한 재고 관리 최적화를 시작으로 패션을 넘어 다양한 리테일 영역으로의 확장을 진행중에 있습니다.
주요업무
＜Computer Vision 관련 연구 분야＞* Recommendation 관련 연구 분야, Trend Analysis 관련 연구 분야는 개별 공고를 확인해 주세요.
1) Fashion object detection and fine-grained classification
• (i) 작은 물체 (ii) 서로 겹친 물체가 있는 다양한 소스의 패션 이미지들에 대해서도 잘 작동하는 detector 모델을 연구/개발합니다.
• 클래스 간 유사도가 높고, 클래스 내 다양성이 큰 패션 아이템들이 포함된 이미지에서의 fine-grained 물체 분류를 위한 classifier 모델을 연구/개발합니다.
2) Multi-label attributes detection and multi-task learning
• (i) 다양한 종류의 속성 (프린트 패턴, 소재감, 패션 아이템의 디테일한 구성요소) 등을 detection 하고 (ii) 그러한 속성들 간의 관계를 활용한 multi-task learning 모델을 연구/개발 합니다.
3) Robust fashion image retrieval
• 패션 아이템의 색상, 소재, 패턴, 소매, 넥라인, 핏 등 다양한 속성들을 고려한, 유사한 스타일의 상품을 실시간으로 찾아주는 embedding 모델을 연구/개발 합니다. 제한된 환경에서 제작된 상업용 이미지 뿐만이 아닌 다양한 디바이스와 빛 조건에서 촬영된 사용자의 이미지들에서도 robust한 모델을 개발합니다.
4) Noisy label classification
• 학습된 모델의 confidence를 활용하여 학습 데이터 내의 오분류된 데이터를 찾는 알고리즘을 연구/개발 합니다. Noisy label을 제외하고 학습하여 모델의 성능을 개선하거나 해당 데이터에 대해 검수 우선순위를 부여하여 옴니어스 데이터 플랫폼을 활용한 빠르고 효율적인 cleansing 작업이 가능하도록 합니다.
5) Semi-supervised / Self-supervised learning
• 옴니어스는 지난 6년간 서비스를 하며 자체 확보한 3천만장 이상의 Unlabeled 데이터를 보유하고 있으며, 그 수량은 빠르게 증가하고 있습니다. 정답이 없는 이미지 데이터를 활용한 semi-supervised 및 self-supervised learning을 통해 classifier, detector, embedding model 등 다양한 모델에 활용되는 backbone representation을 고도화 하는 연구를 진행합니다. 최근에는 SwinTransformer 기반 EsViT 모델을 학습중에 있습니다.
6) Style keyword generation
• 이커머스, SNS의 이미지와 실제 사용자들이 많이 활용하는 키워드의 pair 데이터셋을 활용해, '가을나들이룩', '데일리룩', '하객룩' 등과 같이 단순한 속성들의 조합으로 표현되지 않는 패션 이미지들의 특성을 표현하는 다양한 스타일 키워드를 생성하는 모델을 연구/개발합니다.
7) Near duplicate image detection
• 옴니어스는 약 9000여개의 브랜드 상품들 및 약 3만여 명의 패션 인플루언서로 부터 수많은 패션 관련 이미지들을 실시간으로 수집하고 있습니다. 판매를 위한 상품이나 패션 인플루언서의 SNS 포스트 이미지들이 같은 아이템을 촬영한 이미지인 경우에도 촬영 각도나 환경에 따라 약간의 변형만 생겨도 다른 이미지로 분류되기 때문에, 중복 상품에 대한 판별을 하는 것은 매우 중요한 문제입니다. 동일한 상품이지만 변형이 있는 경우를 동일 상품으로 인식하는 embedding 모델을 연구/개발 합니다.
채용 프로세스
서류 전형 ⇒ 1차 기술 인터뷰 ⇒ 2차 기술 인터뷰 ⇒ 임원 인터뷰 ⇒ 최종 합격
- 1차 기술 인터뷰 : 해당 포지션 실무 및 리더와 지원하신 포지션에 대한 업무 역량을 확인하는 시간입니다.
- 2차 기술 인터뷰 : 옴니어스 연구팀에서 관심있게 보고 있는 논문 리스트를 드리고, 해당 논문들 중 하나에 대한 발표를 진행하며 팀 멤버들과의 Discussion을 진행합니다.
- 임원 인터뷰&Culture Fit : 해당 포지션에 대한 심층면접과 옴니어스의 조직문화에 대한 생각을 나누는 시간입니다.
자격요건
• CS/EE 또는 관련 전공 (또는 이와 동등한 전문적 경험)• 머신러닝/딥러닝에 대한 깊은 이해
• Pytorch, Tensorflow 등의 딥러닝 라이브러리를 사용한 연구 경험
• 풍부한 Python 활용 경험
• 논문을 통해 새로운 연구 내용을 이해할 수 있는 능력 및 구현 경험
• 최신 머신러닝/딥러닝 연구 주제들에 대한 지식 및 구현 경험
