포지션 상세
Finova는 방대한 금융 데이터를 활용해 AI로 투자 의사결정에 필요한 인사이트를 제공하는 금융 데이터 기업입니다.
회사의 주요 구성원은 국내 금융 데이터 및 투자 정보 서비스 산업을 초기부터 구축하고 성장시킨 핵심 인력으로 구성되어 있으며, 금융 데이터 수집, 정제, 분석부터 서비스 출시 및 사업 확장까지 전 과정을 직접 경험해왔습니다.
이 검증된 도메인 노하우 위에 최신 AI 및 자동화 기술을 결합해, 대규모 금융 데이터를 안정적으로 처리하고 실질적인 투자 인사이트를 제공하는 서비스를 만들고 있습니다.
현재는 초기 단계부터 기술력과 사업성을 검증받아 외부 자본을 유치하고 전략적 협업을 기반으로 한 안정적인 성장 환경을 확보하였으며, AI 기반 서비스 고도화와 본격적인 사업 확장 단계를 준비하고 있습니다.
피노바 AI팀은 국내를 넘어 글로벌 Top-tier 금융 AI 전문가 그룹을 지향합니다.
일당백의 탁월한 동료들이 모여 R&D, 모델링, MLOps, 데이터 분석의 경계를 허물며 협업하는 팀입니다.
이러한 환경 속에서 구성원들은 데이터와 엔지니어링, 최신 AI 지식을 아우르는 폭넓고 깊이 있는 성장을 경험할 수 있습니다.
우리는 단순히 기능을 구현하는 것을 넘어, 시장을 선도하는 AI 기술의 기준을 금융 업계에 새롭게 정의하고 있습니다.
우리는 텍스트와 벡터를 넘어, 금융 시장의 복잡계(Complex System)를 '관계(Relationship)'와 '인과(Causality)'의 언어로 정의하고자 합니다.
이 포지션은 다양한 비정형 텍스트에서 엔티티(Entity) 간의 연결고리를 추출하여 금융 지식 그래프(Financial Knowledge Graph)를 구축하고 이를 기반으로 한 애플리케이션을 담당합니다.
• 지식 그래프 워크플로우 개발
• 금융 시장의 다층적 구조를 반영할 수 있는 유연하고 확장 가능한 스키마(Schema) 기획
• 이종 데이터 소스 간의 Entity Resolution (개체 식별 및 통합) 알고리즘 개발
• Graph Algorithm(PageRank, Centrality, Community Detection 등) 개발
• Causal Inference 모델링 및 전파(Propagation) 시뮬레이션 구현
• Graph Embedding: Node2Vec, GraphSAGE 등을 활용해 기업/산업 간의 잠재적 관계를 벡터화하고 추천 시스템에 적용
• 지식 그래프의 관계 정보를 참조하여 깊이 있는 추론을 할 수 있는 multi-hop retrieval 시스템 최적화
• 최단 경로 탐색, 군집 분석, 연결성 분석 등을 수행해 본 경험
• 복잡한 네트워크 구조에서 인사이트를 도출해 낼 수 있는 수리적/논리적 사고능력
• 개체명 인식(NER), 관계 추출(Relation Extraction) 모델을 학습시키거나 파이프라인을 구축해 본 경험
회사의 주요 구성원은 국내 금융 데이터 및 투자 정보 서비스 산업을 초기부터 구축하고 성장시킨 핵심 인력으로 구성되어 있으며, 금융 데이터 수집, 정제, 분석부터 서비스 출시 및 사업 확장까지 전 과정을 직접 경험해왔습니다.
이 검증된 도메인 노하우 위에 최신 AI 및 자동화 기술을 결합해, 대규모 금융 데이터를 안정적으로 처리하고 실질적인 투자 인사이트를 제공하는 서비스를 만들고 있습니다.
현재는 초기 단계부터 기술력과 사업성을 검증받아 외부 자본을 유치하고 전략적 협업을 기반으로 한 안정적인 성장 환경을 확보하였으며, AI 기반 서비스 고도화와 본격적인 사업 확장 단계를 준비하고 있습니다.
피노바 AI팀은 국내를 넘어 글로벌 Top-tier 금융 AI 전문가 그룹을 지향합니다.
일당백의 탁월한 동료들이 모여 R&D, 모델링, MLOps, 데이터 분석의 경계를 허물며 협업하는 팀입니다.
이러한 환경 속에서 구성원들은 데이터와 엔지니어링, 최신 AI 지식을 아우르는 폭넓고 깊이 있는 성장을 경험할 수 있습니다.
우리는 단순히 기능을 구현하는 것을 넘어, 시장을 선도하는 AI 기술의 기준을 금융 업계에 새롭게 정의하고 있습니다.
우리는 텍스트와 벡터를 넘어, 금융 시장의 복잡계(Complex System)를 '관계(Relationship)'와 '인과(Causality)'의 언어로 정의하고자 합니다.
이 포지션은 다양한 비정형 텍스트에서 엔티티(Entity) 간의 연결고리를 추출하여 금융 지식 그래프(Financial Knowledge Graph)를 구축하고 이를 기반으로 한 애플리케이션을 담당합니다.
주요업무
• Entity/Relation 실시간 추출 자동화 파이프라인• 지식 그래프 워크플로우 개발
• 금융 시장의 다층적 구조를 반영할 수 있는 유연하고 확장 가능한 스키마(Schema) 기획
• 이종 데이터 소스 간의 Entity Resolution (개체 식별 및 통합) 알고리즘 개발
• Graph Algorithm(PageRank, Centrality, Community Detection 등) 개발
• Causal Inference 모델링 및 전파(Propagation) 시뮬레이션 구현
• Graph Embedding: Node2Vec, GraphSAGE 등을 활용해 기업/산업 간의 잠재적 관계를 벡터화하고 추천 시스템에 적용
• 지식 그래프의 관계 정보를 참조하여 깊이 있는 추론을 할 수 있는 multi-hop retrieval 시스템 최적화
자격요건
• Neo4j 등 Graph DB를 활용해 지식 그래프를 프로덕션 레벨에서 모델링하고 운영해 본 경험• 최단 경로 탐색, 군집 분석, 연결성 분석 등을 수행해 본 경험
• 복잡한 네트워크 구조에서 인사이트를 도출해 낼 수 있는 수리적/논리적 사고능력
• 개체명 인식(NER), 관계 추출(Relation Extraction) 모델을 학습시키거나 파이프라인을 구축해 본 경험
