포지션 상세
제조 현장의 이미지 데이터를 Foundation Model 시대의 방법론으로 풀어내는 시니어 포지션입니다.
X-ray·반도체·디스플레이·2차 전지 검사처럼 데이터가 희소하고 결함 정의가 까다로운 환경에서 VLM·SAM 계열·생성형 모델을 현실 공정에 맞게 재단합니다.
이 포지션은 기술적 의사결정을 단독으로 내릴 수 있는 Senior Individual Contributor 트랙입니다. 연구로 끝나지 않고, 본인이 만든 모델이 생산성과 수율로 이어지는 것을 보고 싶은 분께 잘 맞습니다. 특히 2차 전지(전극·분리막·셀) 검사 도메인은 신규 영역으로 01 셋업할 기회가 열려 있습니다.
• Few-shot / Zero-shot 결함 검출 — 신규 제품·신규 결함 유형이 들어왔을 때 수십 장 수준의 데이터로 빠르게 대응할 수 있는 파이프라인 설계 (in-context learning, prompt-based segmentation)
• 합성 데이터 생성 — Diffusion 기반(FLUX, SDXL + IP-Adapter, ControlNet, Inpainting) 결함 이미지 합성으로 희소 결함 augmentation 및 sim-to-real 갭 완화
• 이상 탐지 & 정량화 — Unsupervised/Self-supervised anomaly detection, 결함 영역 세그멘테이션 및 물리량(길이, 면적, 각도) 자동 측정
• 멀티모달 융합 — 이미지 + 공정 메타데이터/검사 리포트를 결합한 VLM 기반 판정·근거 생성(설명 가능성 포함)
• 신뢰성 & 운영 — Uncertainty quantification, active learning 루프, continual learning을 통한 모델 드리프트 대응
• 프로덕션 배포 — ONNX·TensorRT 등으로 엣지/온프레미스 환경 배포 최적화, MLOps 파이프라인(MLflow, W&B 등)과 연동된 재학습 사이클 구축
• 자기 주도 실행 — 가이드 없이 문제를 정의하고, 막힌 지점을 스스로 풀어가며 결과물까지 가져오는 실무 중심의 업무
• 이미지/영상 처리 분야 실무 경험 5년 이상 (학위 과정 외)
• PyTorch 기반 모델 설계·학습·디버깅에 능숙하며, HuggingFace 생태계에 익숙
• Object detection, semantic/instance segmentation 등 핵심 비전 태스크를 end-to-end로 책임지고 배포까지 끌고 가본 경험
• 데이터가 부족하거나 라벨이 노이지한 현실적 상황에서 문제를 정의하고 풀어본 경험
• 가이드 없이 스스로 문제를 정의·해결하고 결과물까지 책임지는 실무형 시니어
• 비기술 직군(공정 엔지니어, PM 등)과의 협업 및 커뮤니케이션 역량
X-ray·반도체·디스플레이·2차 전지 검사처럼 데이터가 희소하고 결함 정의가 까다로운 환경에서 VLM·SAM 계열·생성형 모델을 현실 공정에 맞게 재단합니다.
이 포지션은 기술적 의사결정을 단독으로 내릴 수 있는 Senior Individual Contributor 트랙입니다. 연구로 끝나지 않고, 본인이 만든 모델이 생산성과 수율로 이어지는 것을 보고 싶은 분께 잘 맞습니다. 특히 2차 전지(전극·분리막·셀) 검사 도메인은 신규 영역으로 01 셋업할 기회가 열려 있습니다.
주요업무
• Foundation Model 도메인 적응 — SAM2, DINOv2, Grounding DINO, Qwen2-VL, InternVL2, Molmo 등 최신 비전·멀티모달 파운데이션 모델을 제조 도메인(X-ray, LED, Pellicle, 반도체, 2차 전지 셀/전극/분리막 검사 이미지 등)에 맞춰 파인튜닝·프롬프트 엔지니어링·LoRA 어댑터로 경량 적응• Few-shot / Zero-shot 결함 검출 — 신규 제품·신규 결함 유형이 들어왔을 때 수십 장 수준의 데이터로 빠르게 대응할 수 있는 파이프라인 설계 (in-context learning, prompt-based segmentation)
• 합성 데이터 생성 — Diffusion 기반(FLUX, SDXL + IP-Adapter, ControlNet, Inpainting) 결함 이미지 합성으로 희소 결함 augmentation 및 sim-to-real 갭 완화
• 이상 탐지 & 정량화 — Unsupervised/Self-supervised anomaly detection, 결함 영역 세그멘테이션 및 물리량(길이, 면적, 각도) 자동 측정
• 멀티모달 융합 — 이미지 + 공정 메타데이터/검사 리포트를 결합한 VLM 기반 판정·근거 생성(설명 가능성 포함)
• 신뢰성 & 운영 — Uncertainty quantification, active learning 루프, continual learning을 통한 모델 드리프트 대응
• 프로덕션 배포 — ONNX·TensorRT 등으로 엣지/온프레미스 환경 배포 최적화, MLOps 파이프라인(MLflow, W&B 등)과 연동된 재학습 사이클 구축
• 자기 주도 실행 — 가이드 없이 문제를 정의하고, 막힌 지점을 스스로 풀어가며 결과물까지 가져오는 실무 중심의 업무
자격요건
• 컴퓨터 비전·딥러닝 관련 분야 석사 이상• 이미지/영상 처리 분야 실무 경험 5년 이상 (학위 과정 외)
• PyTorch 기반 모델 설계·학습·디버깅에 능숙하며, HuggingFace 생태계에 익숙
• Object detection, semantic/instance segmentation 등 핵심 비전 태스크를 end-to-end로 책임지고 배포까지 끌고 가본 경험
• 데이터가 부족하거나 라벨이 노이지한 현실적 상황에서 문제를 정의하고 풀어본 경험
• 가이드 없이 스스로 문제를 정의·해결하고 결과물까지 책임지는 실무형 시니어
• 비기술 직군(공정 엔지니어, PM 등)과의 협업 및 커뮤니케이션 역량
