포지션 상세
온택트헬스는 지난 10년 동안 “영상을 보는 AI” 를 만들어 왔습니다. 국내 1,000개 병원에 배포된 EchoQuant, 식약처 인허가를 완료한 SoniΦ Assist Scan Guide가 그 결과입니다. 국내 심장 초음파 AI의 선도 주자로 자리 잡았고, 미국 진출을 앞두고 있습니다.
전문연구요원 편입을 희망하는 석사/박사 학위 취득(예정)자를 적극 환영합니다. 석사 이상 전공자가 전문연구요원으로 편입하여 실제 AI 연구·개발에 전념할 수 있는 최적의 환경입니다.
AI 분야는 데이터를 먼저 확보한 기업이 최종 승자가 되는 분야입니다. 준수한 사업실적과 빠른 데이터 확보 전략을 바탕으로 대규모 VC 투자를 유치했고, 같이 일하실 동료 분들은 평균 6년 이상 경력의 인공지능 석/박사급 전문가분들입니다.
## 회사 소개 자료
저희 회사에 대해서 더 많은 소개는 아래의 링크를 참고해주세요.
홈페이지에서는 제품에 대한 소개, 링크드인에서는 근무환경과 회사 근황을 확인 하실 수 있습니다.
온택트 헬스 홈페이지(https://www.ontacthealth.com/ko)
## 저희의 고객은 이런 분들입니다.
병원 : 작은 병원부터 대형병원까지 다양한 규모의 병원들이 온택트 헬스를 이용하고 있습니다.
기업 고객 : 직원에게 건강관리 복지를 제공하는 기업, 의료 데이터를 영업에 활용하고자 하는 보험, 금융, 건강식품 판매사 등 다양한 기업 고객에게 서비스를 제공하고 있습니다.
공공 영역: 온택트 헬스는 자치단체와 함께 찾아가는 의료버스를 운영하고 있습니다. 만족도가 높은 공공서비스로 평가 받고 있습니다.
영상·시간축·측정·자연어를 하나의 표현으로 다루는 멀티모달·시계열 백본을 설계·학습합니다. self-supervised pretraining, contrastive learning, masked modeling, vision-language alignment 등 최신 representation learning 기법을 회사의 대규모 임상 데이터 위에서 직접 검증하고, 다운스트림 태스크(분류·측정·리포트 생성)의 성능 상한을 끌어올리는 백본을 만듭니다.
2) 2D 3D/4D Reconstruction 및 Vision Representation
2D 영상 시퀀스로부터 심장의 3D/4D 해부학적 구조를 재구성하는 신경 표현(NeRF, Gaussian Splatting, implicit representation 등)을 직접 설계·실험합니다. 임상 정성 판별 백본을 발전시키고, view classification·segmentation·temporal modeling 등 vision 코어 모델을 함께 끌어올립니다.
3) 자체 의료 LLM 기반 임상 추론·리포트 생성
자체 의료 LLM의 fine-tuning(SFT, LoRA/QLoRA, DPO 등), domain-specific RAG, eval harness 구축을 책임집니다. 정량·정성 임상 판단 모델이 산출하는 구조화된 임상 판단을 입력받아 가이드라인 수준의 자연어 리포트로 풀어내는 리포트 생성 트랙의 모델 측면을 함께 만듭니다.
4. 대규모 의료 데이터 활용 파이프라인
DICOM 영상 + 좌표·측정값 + 리포트 텍스트로 이루어진 멀티모달 데이터를 학습 가능한 형태로 정제·라벨링·버전관리하는 파이프라인을 직접 설계합니다. 모델 성능의 상한이 데이터 품질에서 결정된다는 전제 위에서, 데이터 단계와 모델 단계를 함께 움직이는 연구를 합니다.
5. 연구에서 제품까지 (Research Deployment)
연구 산출물이 실제 병원에 배포되는 의료기기로 이어지는 환경입니다. 식약처 인허가, QMS 기반 변경관리, 임상 검증 등 의료기기 SW 제약을 이해하고, 프로토타입에 머물지 않고 실제 임상 현장의 모델까지 만드는 과정을 함께 설계합니다.
• 경력: 경력 무관. 단, 딥러닝 모델을 직접 설계·학습·평가·개선해본 프로젝트 경험 필수
• 딥러닝 핵심 이론에 대한 강한 이해 — Transformer, attention, optimization, regularization, scaling law, generative modeling 등을 코드 수준에서 다룰 수 있는 수준
• PyTorch 능숙, 분산 학습 / mixed-precision / 대규모 데이터 처리 경험
• 논문을 빠르게 따라잡고 직접 reproduce·확장해본 경험
• 연구와 구현 사이를 유연하게 넘나들 수 있는 역량 — 새 아이디어 prototyping, 실패 분석, 학습 인프라 디버깅 end-to-end 경험
• 데이터·모델·평가를 끝까지 직접 만지는 데에 익숙한 분
전문연구요원 편입을 희망하는 석사/박사 학위 취득(예정)자를 적극 환영합니다. 석사 이상 전공자가 전문연구요원으로 편입하여 실제 AI 연구·개발에 전념할 수 있는 최적의 환경입니다.
AI 분야는 데이터를 먼저 확보한 기업이 최종 승자가 되는 분야입니다. 준수한 사업실적과 빠른 데이터 확보 전략을 바탕으로 대규모 VC 투자를 유치했고, 같이 일하실 동료 분들은 평균 6년 이상 경력의 인공지능 석/박사급 전문가분들입니다.
## 회사 소개 자료
저희 회사에 대해서 더 많은 소개는 아래의 링크를 참고해주세요.
홈페이지에서는 제품에 대한 소개, 링크드인에서는 근무환경과 회사 근황을 확인 하실 수 있습니다.
온택트 헬스 홈페이지(https://www.ontacthealth.com/ko)
## 저희의 고객은 이런 분들입니다.
병원 : 작은 병원부터 대형병원까지 다양한 규모의 병원들이 온택트 헬스를 이용하고 있습니다.
기업 고객 : 직원에게 건강관리 복지를 제공하는 기업, 의료 데이터를 영업에 활용하고자 하는 보험, 금융, 건강식품 판매사 등 다양한 기업 고객에게 서비스를 제공하고 있습니다.
공공 영역: 온택트 헬스는 자치단체와 함께 찾아가는 의료버스를 운영하고 있습니다. 만족도가 높은 공공서비스로 평가 받고 있습니다.
주요업무
1) Multimodal Foundation Model 연구영상·시간축·측정·자연어를 하나의 표현으로 다루는 멀티모달·시계열 백본을 설계·학습합니다. self-supervised pretraining, contrastive learning, masked modeling, vision-language alignment 등 최신 representation learning 기법을 회사의 대규모 임상 데이터 위에서 직접 검증하고, 다운스트림 태스크(분류·측정·리포트 생성)의 성능 상한을 끌어올리는 백본을 만듭니다.
2) 2D 3D/4D Reconstruction 및 Vision Representation
2D 영상 시퀀스로부터 심장의 3D/4D 해부학적 구조를 재구성하는 신경 표현(NeRF, Gaussian Splatting, implicit representation 등)을 직접 설계·실험합니다. 임상 정성 판별 백본을 발전시키고, view classification·segmentation·temporal modeling 등 vision 코어 모델을 함께 끌어올립니다.
3) 자체 의료 LLM 기반 임상 추론·리포트 생성
자체 의료 LLM의 fine-tuning(SFT, LoRA/QLoRA, DPO 등), domain-specific RAG, eval harness 구축을 책임집니다. 정량·정성 임상 판단 모델이 산출하는 구조화된 임상 판단을 입력받아 가이드라인 수준의 자연어 리포트로 풀어내는 리포트 생성 트랙의 모델 측면을 함께 만듭니다.
4. 대규모 의료 데이터 활용 파이프라인
DICOM 영상 + 좌표·측정값 + 리포트 텍스트로 이루어진 멀티모달 데이터를 학습 가능한 형태로 정제·라벨링·버전관리하는 파이프라인을 직접 설계합니다. 모델 성능의 상한이 데이터 품질에서 결정된다는 전제 위에서, 데이터 단계와 모델 단계를 함께 움직이는 연구를 합니다.
5. 연구에서 제품까지 (Research Deployment)
연구 산출물이 실제 병원에 배포되는 의료기기로 이어지는 환경입니다. 식약처 인허가, QMS 기반 변경관리, 임상 검증 등 의료기기 SW 제약을 이해하고, 프로토타입에 머물지 않고 실제 임상 현장의 모델까지 만드는 과정을 함께 설계합니다.
자격요건
• 학력: 석사 이상 (CS·EE·수학·물리·통계 등 관련분야)• 경력: 경력 무관. 단, 딥러닝 모델을 직접 설계·학습·평가·개선해본 프로젝트 경험 필수
• 딥러닝 핵심 이론에 대한 강한 이해 — Transformer, attention, optimization, regularization, scaling law, generative modeling 등을 코드 수준에서 다룰 수 있는 수준
• PyTorch 능숙, 분산 학습 / mixed-precision / 대규모 데이터 처리 경험
• 논문을 빠르게 따라잡고 직접 reproduce·확장해본 경험
• 연구와 구현 사이를 유연하게 넘나들 수 있는 역량 — 새 아이디어 prototyping, 실패 분석, 학습 인프라 디버깅 end-to-end 경험
• 데이터·모델·평가를 끝까지 직접 만지는 데에 익숙한 분
