포지션 상세
About the Team & Mission
AD Division의 ML Performance Optimization Engineer는 Autonomous Driving AI 모델이 차량 환경에서 안정적이고 효율적으로 동작할 수 있도록 모델 최적화 및 시스템 성능 개선 업무를 수행합니다. Autonomous Driving 에 사용 되는 다양한 모델에 대해 GPU/NPU 기반 최적화를 수행하며, 차량 환경에서의 모델 배포 및 성능 향상을 위한 핵심 역할을 담당합니다. 또한 AI Model 및 Software 팀과 긴밀히 협업하여 모델 성능 검증, 시스템 프로파일링, 성능 분석 자동화를 수행하며 Autonomous Driving 시스템의 안정성과 효율 향상에 기여합니다.
The ML Performance Optimization Engineer in the AD Division is responsible for optimizing AI models and improving system performance to ensure autonomous driving models operate efficiently and reliably in vehicle environments. This role focuses on GPU/NPU-based optimization for various autonomous driving models. You will play a key role in enabling seamless deployment and performance improvements on vehicle platforms. The role also involves close collaboration with AI model and software teams to conduct model validation, system profiling, and performance analysis automation for autonomous driving systems.
• 딥러닝 모델의 성능 검증 및 시스템 프로파일링 수행
• CPU, GPU, Neural Network Accelerator 성능 분석 및 최적화
• 시스템 성능 분석 툴 및 성능 평가 지표 개발 자동화
• 차량 환경에서의 AI 모델 동작 최적화 및 배포 지원
• Optimize deep learning models using GPU/NPU acceleration
• Validate deep learning model performance and conduct system profiling
• Analyze and optimize CPU, GPU, and neural network accelerator performance
• Develop and automate system performance analysis tools and evaluation metrics
• Support deployment and runtime optimization of AI models in vehicle environments
• 머신러닝 및 딥러닝에 대한 이해
• CPU, GPU, NPU 기반 Low-level 성능 최적화 경험
• C/C++, Python, Shell Script 기반 개발 경험
• Linux, QNX, RTOS 환경에서의 개발 경험
• 시스템 성능 분석 및 Profiling 경험
• Master’s degree or higher in Artificial Intelligence, Machine Learning, Deep Learning, or related fields, or equivalent practical experience
• Strong understanding of machine learning and deep learning systems
• Experience with low-level performance optimization for CPU, GPU, and NPU environments
• Proficiency in C/C++, Python, and shell scripting
• Development experience in Linux, QNX, or RTOS environments
• Experience with system profiling and performance analysis
AD Division의 ML Performance Optimization Engineer는 Autonomous Driving AI 모델이 차량 환경에서 안정적이고 효율적으로 동작할 수 있도록 모델 최적화 및 시스템 성능 개선 업무를 수행합니다. Autonomous Driving 에 사용 되는 다양한 모델에 대해 GPU/NPU 기반 최적화를 수행하며, 차량 환경에서의 모델 배포 및 성능 향상을 위한 핵심 역할을 담당합니다. 또한 AI Model 및 Software 팀과 긴밀히 협업하여 모델 성능 검증, 시스템 프로파일링, 성능 분석 자동화를 수행하며 Autonomous Driving 시스템의 안정성과 효율 향상에 기여합니다.
The ML Performance Optimization Engineer in the AD Division is responsible for optimizing AI models and improving system performance to ensure autonomous driving models operate efficiently and reliably in vehicle environments. This role focuses on GPU/NPU-based optimization for various autonomous driving models. You will play a key role in enabling seamless deployment and performance improvements on vehicle platforms. The role also involves close collaboration with AI model and software teams to conduct model validation, system profiling, and performance analysis automation for autonomous driving systems.
주요업무
• GPU/NPU 기반 딥러닝 모델 최적화 수행• 딥러닝 모델의 성능 검증 및 시스템 프로파일링 수행
• CPU, GPU, Neural Network Accelerator 성능 분석 및 최적화
• 시스템 성능 분석 툴 및 성능 평가 지표 개발 자동화
• 차량 환경에서의 AI 모델 동작 최적화 및 배포 지원
• Optimize deep learning models using GPU/NPU acceleration
• Validate deep learning model performance and conduct system profiling
• Analyze and optimize CPU, GPU, and neural network accelerator performance
• Develop and automate system performance analysis tools and evaluation metrics
• Support deployment and runtime optimization of AI models in vehicle environments
자격요건
• 인공지능, 머신러닝/딥러닝 관련 분야 석사 학위 이상 또는 이에 준하는 경력 보유자• 머신러닝 및 딥러닝에 대한 이해
• CPU, GPU, NPU 기반 Low-level 성능 최적화 경험
• C/C++, Python, Shell Script 기반 개발 경험
• Linux, QNX, RTOS 환경에서의 개발 경험
• 시스템 성능 분석 및 Profiling 경험
• Master’s degree or higher in Artificial Intelligence, Machine Learning, Deep Learning, or related fields, or equivalent practical experience
• Strong understanding of machine learning and deep learning systems
• Experience with low-level performance optimization for CPU, GPU, and NPU environments
• Proficiency in C/C++, Python, and shell scripting
• Development experience in Linux, QNX, or RTOS environments
• Experience with system profiling and performance analysis
