포지션 상세
회사의 핵심인 광고·추천 엔진의 머신러닝 모델을 연구하고, 실험으로 검증하고, 서빙합니다. 연구한 모델이 실제 서비스에 적용되고, 그 성과를 매출로 직접 확인할 수 있는 팀입니다. 최근에는 RecSys 2026 워크숍에서 연구 결과를 논문으로 발표했습니다.
[우리가 푸는 문제]
AI Research팀이 다루는 문제는 CTR prediction(사용자가 광고를 클릭할 확률)과 CVR prediction(사용자가 최종적으로 물건을 구매할 확률)입니다. 예측 정확도가 광고 수익에 직접 연결되기 때문에, 0.001의 개선이 성과 차이로 이어집니다.
[쉽지 않은 이유]
오래된 문제지만 다 풀린 문제는 아닙니다. 구매는 클릭보다 훨씬 드물고, 클릭하고 며칠이 지나서야 일어나기도 합니다. 우리가 보여준 광고에 대해서만 정답을 알 수 있어서 학습 데이터부터 한쪽으로 치우쳐 있습니다. 처음 보는 광고도 매일 새로 들어옵니다. 예측한 확률이 입찰가 계산에 그대로 들어가기 때문에 순서만 잘 맞혀서는 부족하고, 확률 값 자체가 실제와 맞아야 합니다.
[연구하는 방식]
그래서 논문의 방법을 그대로 가져와서는 잘 풀리지 않습니다. 우리 데이터에서 문제를 다시 정의하고, 가설을 세우고, 필요하면 방법을 직접 설계합니다. 새로운 방법을 제안할 때는 왜 그 방법이어야 하는지를 이론과 실험으로 설명할 수 있어야 합니다.
[우리 팀이 일하는 법]
• 오프라인 지표가 좋아졌다고 끝내지 않습니다. 성과가 바뀌었을 때 그것이 모델 때문인지, 광고주나 매체, 경쟁 상황 같은 외부 환경이 바뀌어서인지 나눠서 측정합니다. 그래야 더 강건한 모델을 만들 수 있습니다. 오프라인 실험과 온라인 A/B 테스트를 직접 설계하고, 결과를 인과적으로 해석합니다.
• 1시간에 수억 건의 추론이 이루어지는 실제 트래픽에서 검증합니다. 공개 데이터셋에서 좋아 보이던 아이디어도 실제 규모에서 통하는지 직접 확인하며, 이 과정에서 대규모 데이터를 다루는 역량도 함께 키울 수 있습니다.
• 반복적인 데이터 분석은 LLM 기반 Agent로 자동화하고, 연구자는 새로운 문제를 정의하고 푸는 데 집중하는 구조로 일하는 방식을 바꿔 나갈 계획입니다. 그 변화의 과정을 직접 경험할 수 있습니다.
[기술스택]
• ML · Language: Python, PyTorch, TensorFlow
• Data · Infra: AWS, Spark, Ray, Kubernetes
• Serving: FastAPI
데이블 기술블로그: https://dabletech.oopy.io/
• 광고 데이터 고유의 문제에 대한 연구 (delayed feedback, selection bias, cold start, calibration 등)
• 실시간 입찰(RTB) 환경에서 생기는 문제에 대한 연구 (입찰 최적화, 예산 최적화, 사용자 세그먼트 등)
• 관련 논문 조사와 재현, 우리 문제에 맞는 새로운 모델 구조와 학습 방법 설계
• 오프라인 평가와 온라인 A/B 테스트 설계, 결과의 인과적 분석
• Feature 연구 및 엔지니어링 (LLM 등을 이용한 text feature 가공 포함)
• 연구 결과의 서비스 적용
• 컴퓨터공학, 수학, 통계학, 산업공학 등 머신러닝 유관 분야 학사 이상의 학위를 가진 분
• 기초 통계, 머신러닝, 딥러닝 이론에 대한 이해가 있는 분
• Python과 PyTorch 또는 TensorFlow를 활용한 모델 구현 경험이 있는 분
• 관련 논문을 읽고 핵심 방법을 직접 구현·재현할 수 있는 분
※ 본 포지션은 2026 전문연구요원 현역 편입이 가능합니다.
[우리가 푸는 문제]
AI Research팀이 다루는 문제는 CTR prediction(사용자가 광고를 클릭할 확률)과 CVR prediction(사용자가 최종적으로 물건을 구매할 확률)입니다. 예측 정확도가 광고 수익에 직접 연결되기 때문에, 0.001의 개선이 성과 차이로 이어집니다.
[쉽지 않은 이유]
오래된 문제지만 다 풀린 문제는 아닙니다. 구매는 클릭보다 훨씬 드물고, 클릭하고 며칠이 지나서야 일어나기도 합니다. 우리가 보여준 광고에 대해서만 정답을 알 수 있어서 학습 데이터부터 한쪽으로 치우쳐 있습니다. 처음 보는 광고도 매일 새로 들어옵니다. 예측한 확률이 입찰가 계산에 그대로 들어가기 때문에 순서만 잘 맞혀서는 부족하고, 확률 값 자체가 실제와 맞아야 합니다.
[연구하는 방식]
그래서 논문의 방법을 그대로 가져와서는 잘 풀리지 않습니다. 우리 데이터에서 문제를 다시 정의하고, 가설을 세우고, 필요하면 방법을 직접 설계합니다. 새로운 방법을 제안할 때는 왜 그 방법이어야 하는지를 이론과 실험으로 설명할 수 있어야 합니다.
[우리 팀이 일하는 법]
• 오프라인 지표가 좋아졌다고 끝내지 않습니다. 성과가 바뀌었을 때 그것이 모델 때문인지, 광고주나 매체, 경쟁 상황 같은 외부 환경이 바뀌어서인지 나눠서 측정합니다. 그래야 더 강건한 모델을 만들 수 있습니다. 오프라인 실험과 온라인 A/B 테스트를 직접 설계하고, 결과를 인과적으로 해석합니다.
• 1시간에 수억 건의 추론이 이루어지는 실제 트래픽에서 검증합니다. 공개 데이터셋에서 좋아 보이던 아이디어도 실제 규모에서 통하는지 직접 확인하며, 이 과정에서 대규모 데이터를 다루는 역량도 함께 키울 수 있습니다.
• 반복적인 데이터 분석은 LLM 기반 Agent로 자동화하고, 연구자는 새로운 문제를 정의하고 푸는 데 집중하는 구조로 일하는 방식을 바꿔 나갈 계획입니다. 그 변화의 과정을 직접 경험할 수 있습니다.
[기술스택]
• ML · Language: Python, PyTorch, TensorFlow
• Data · Infra: AWS, Spark, Ray, Kubernetes
• Serving: FastAPI
데이블 기술블로그: https://dabletech.oopy.io/
주요업무
• CTR, CVR 예측 모델 연구 (counterfactual learning, online learning 등 포함)• 광고 데이터 고유의 문제에 대한 연구 (delayed feedback, selection bias, cold start, calibration 등)
• 실시간 입찰(RTB) 환경에서 생기는 문제에 대한 연구 (입찰 최적화, 예산 최적화, 사용자 세그먼트 등)
• 관련 논문 조사와 재현, 우리 문제에 맞는 새로운 모델 구조와 학습 방법 설계
• 오프라인 평가와 온라인 A/B 테스트 설계, 결과의 인과적 분석
• Feature 연구 및 엔지니어링 (LLM 등을 이용한 text feature 가공 포함)
• 연구 결과의 서비스 적용
자격요건
• 경력 3년 이하(신입 포함)인 분• 컴퓨터공학, 수학, 통계학, 산업공학 등 머신러닝 유관 분야 학사 이상의 학위를 가진 분
• 기초 통계, 머신러닝, 딥러닝 이론에 대한 이해가 있는 분
• Python과 PyTorch 또는 TensorFlow를 활용한 모델 구현 경험이 있는 분
• 관련 논문을 읽고 핵심 방법을 직접 구현·재현할 수 있는 분
※ 본 포지션은 2026 전문연구요원 현역 편입이 가능합니다.
