포지션 상세
미스릴의 엔지니어는 물리적 접근이 제한적인 현장 기기들을 효율적으로 통합 관리하고, 원격 가시성을 확보하는 스마트 엣지 거버넌스를 구축합니다. 본 포지션은 외부 네트워크 도움 없이 현장(On-premise)에서 독립적으로 가동되는 고성능 Vision AI 시스템을 설계하고, 모델의 생애주기(Training to Deployment)를 현장 밀착형으로 자동화하는 MLOps 환경을 리드합니다.
* On-premise MLOps 체계 구축: 외부 클라우드 없이 현장 서버 내에서 데이터 수집, 능동 학습(Active Learning), 모델 업데이트가 가능한 폐쇄망 기반 MLOps 파이프라인 설계
* HW 가속 최적화: 엣지 디바이스 하드웨어 특성에 최적화된 추론 엔진 개발
* 데이터 신뢰성 파이프라인: 현장에서 발생하는 수천 시간의 영상 데이터를 효율적으로 처리하고, 유의미한 데이터만 선별하여 학습에 재투입하는 데이터 루프(Data Loop) 구축
* YOLO 전문가: Custom Backbone 설계 및 가중치 최적화(Pruning, Quantization)를 통한 실시간 추론 성능 극대화 경험
* End-to-End MLOps 구축 역량: 현장 배포 모델의 성능 모니터링 및 재학습 자동화 시스템 설계 능력 (Docker, Local MLflow 등 활용)
* Python 숙련도: 엣지 환경에서의 리소스 관리와 고성능 비전 처리 알고리즘 구현 능력
* 기술 의사결정 및 멘토링: 프로젝트 기술 스택 선정 및 주니어/미들급 개발자의 코드 리뷰 및 기술 가이드
주요업무
* Edge-Driven Vision 모델 설계: YOLO(v8~v11) 기반 객체 탐지 모델을 산업 현장 특성(저조도, 고속 이동 등)에 맞춰 최적화 및 경량화* On-premise MLOps 체계 구축: 외부 클라우드 없이 현장 서버 내에서 데이터 수집, 능동 학습(Active Learning), 모델 업데이트가 가능한 폐쇄망 기반 MLOps 파이프라인 설계
* HW 가속 최적화: 엣지 디바이스 하드웨어 특성에 최적화된 추론 엔진 개발
* 데이터 신뢰성 파이프라인: 현장에서 발생하는 수천 시간의 영상 데이터를 효율적으로 처리하고, 유의미한 데이터만 선별하여 학습에 재투입하는 데이터 루프(Data Loop) 구축
자격요건
* 관련 경력 7년 이상 또는 이에 준하는 전문성 보유자* YOLO 전문가: Custom Backbone 설계 및 가중치 최적화(Pruning, Quantization)를 통한 실시간 추론 성능 극대화 경험
* End-to-End MLOps 구축 역량: 현장 배포 모델의 성능 모니터링 및 재학습 자동화 시스템 설계 능력 (Docker, Local MLflow 등 활용)
* Python 숙련도: 엣지 환경에서의 리소스 관리와 고성능 비전 처리 알고리즘 구현 능력
* 기술 의사결정 및 멘토링: 프로젝트 기술 스택 선정 및 주니어/미들급 개발자의 코드 리뷰 및 기술 가이드
