포지션 상세
[포지션소개]
'수많은 콘텐츠 속에서 유저가 사랑할 이야기를 찾아냅니다.'
SOOP의 Data Tech팀의 Recommend Part는 유저의 인터랙션 로그와 최신 머신러닝 기술을 결합하여, 유저 한명 한명에게 최적화된 콘텐츠를 연결합니다.
우리는 단순히 모델을 만드는 것에 그치지 않고, 대용량 데이터를 다루는 탄탄한 엔지니어링을 바탕으로 방대한 라이브 서비스 트래픽 환경에서 추천 모델을 안정적으로 서빙합니다.
데이터 기술과 ML의 조화로 유저의 시간을 가치 있게 만드는 여정에 함께할 분을 찾습니다.
1. 개인화 추천 모델 개발
• VOD, LIVE 등 유저 서비스 로그를 활용하여 사용자 맥락에 맞는 추천 모델을 직접 설계하고 알고리즘 성능 개선
(Collaborative Filtering, Content-based 등)
2. 임베딩(Embedding) 및 Vector DB 기반 추천 시스템 구축
• 콘텐츠 및 유저 임베딩 파이프라인을 구축하고, Vector DB를 활용한 대규모 유사도 검색 및
실시간 추천 아키텍처 설계
3. 추천 모델 서빙 및 MLOps 환경 구축
• 개발된 ML 추천 모델을 프로덕션 환경에 배포하고, 지속적인 모니터링 및 성능 최적화 파이프라인 운영
4. 대규모 추천 파이프라인 개발
• 유저 행동 로그 및 피처(Feature) 데이터를 실시간/배치로 처리하여 추천 모델 학습 및 서빙에 연동
• AI/ML 기반 추천 서비스를 전체적으로 운영, 관리, 개선해 본 경력을 보유하신 분 (3~5년)
• Python, Scala, Java 등 하나 이상의 언어에 능숙하며, Linux 환경에서의 개발 및 상용 서비스 트러블 슈팅 경험을 보유하신 분
• Hadoop, Spark, Kafka 등 빅데이터 처리 시스템을 활용하여 로그 레벨의 대용량 데이터를 가공하고,
추천 시스템에 연동해 본 경험을 보유하신 분
• TensorFlow, PyTorch 등 주요 ML 프레임워크를 활용한 모델링 역량을 갖추고 실제 운영 환경에 배포한
경험을 보유하신 분
• 임베딩 (Embedding) 생성 로직 및 Vector DB (Elasticsearch, Vector Search, Milvus 등) 생태계에 대한
이해도를 보유하신 분
'수많은 콘텐츠 속에서 유저가 사랑할 이야기를 찾아냅니다.'
SOOP의 Data Tech팀의 Recommend Part는 유저의 인터랙션 로그와 최신 머신러닝 기술을 결합하여, 유저 한명 한명에게 최적화된 콘텐츠를 연결합니다.
우리는 단순히 모델을 만드는 것에 그치지 않고, 대용량 데이터를 다루는 탄탄한 엔지니어링을 바탕으로 방대한 라이브 서비스 트래픽 환경에서 추천 모델을 안정적으로 서빙합니다.
데이터 기술과 ML의 조화로 유저의 시간을 가치 있게 만드는 여정에 함께할 분을 찾습니다.
주요업무
[담당업무]1. 개인화 추천 모델 개발
• VOD, LIVE 등 유저 서비스 로그를 활용하여 사용자 맥락에 맞는 추천 모델을 직접 설계하고 알고리즘 성능 개선
(Collaborative Filtering, Content-based 등)
2. 임베딩(Embedding) 및 Vector DB 기반 추천 시스템 구축
• 콘텐츠 및 유저 임베딩 파이프라인을 구축하고, Vector DB를 활용한 대규모 유사도 검색 및
실시간 추천 아키텍처 설계
3. 추천 모델 서빙 및 MLOps 환경 구축
• 개발된 ML 추천 모델을 프로덕션 환경에 배포하고, 지속적인 모니터링 및 성능 최적화 파이프라인 운영
4. 대규모 추천 파이프라인 개발
• 유저 행동 로그 및 피처(Feature) 데이터를 실시간/배치로 처리하여 추천 모델 학습 및 서빙에 연동
자격요건
[자격요건]• AI/ML 기반 추천 서비스를 전체적으로 운영, 관리, 개선해 본 경력을 보유하신 분 (3~5년)
• Python, Scala, Java 등 하나 이상의 언어에 능숙하며, Linux 환경에서의 개발 및 상용 서비스 트러블 슈팅 경험을 보유하신 분
• Hadoop, Spark, Kafka 등 빅데이터 처리 시스템을 활용하여 로그 레벨의 대용량 데이터를 가공하고,
추천 시스템에 연동해 본 경험을 보유하신 분
• TensorFlow, PyTorch 등 주요 ML 프레임워크를 활용한 모델링 역량을 갖추고 실제 운영 환경에 배포한
경험을 보유하신 분
• 임베딩 (Embedding) 생성 로직 및 Vector DB (Elasticsearch, Vector Search, Milvus 등) 생태계에 대한
이해도를 보유하신 분
