포지션 상세

차세대 플랫폼으로 편리함을 넘어 무한한 가능성을 찾아 진화하고 있는, "커넥트웨이브"입니다.

커넥트웨이브는 고객과 셀러의 연결성 강화를 위해 다양한 플랫폼을 인수합병(M&A) 하여 성장해 왔습니다. 빅데이터를 기반으로 한 컨슈머 커머스(다나와, 에누리), 쇼핑몰 구축부터 연동, 운영 등 원스톱 서비스가 가능한 셀러 커머스(메이크샵, 플레이오토, 링크프라이스, 스윗트래커, 빌트온), 글로벌 풀필먼트 서비스가 강점인 크로스보더 커머스(몰테일)를 선보이며 일상 속 편리한 토탈 플랫폼으로 거듭나고 있습니다.

[근무 부서]
• 커넥트웨이브 - Consumer Commerce CTO
• 직책: 팀원

[포지션 소개]
다나와/에누리는 다양한 판매처에서 수집한 상품을 정형화하고, 동일한 상품을
하나의 카탈로그로 연결하여 사용자가 가격과 판매 조건을 비교할 수 있도록 돕고 있습니다.

이 포지션은 Consumer Commerce의 AI 모델링을 담당합니다.
상품 데이터 이해, 검색, 추천, LLM 응용 등 서비스 전반의 모델링 과제를 맡습니다.
어떤 문제를 모델로 풀어야 하는지 판단하고,
데이터 설계부터 학습, 평가, 서비스 적용, 개선까지 직접 책임지는 역할입니다.

주요업무

1. 상품 데이터 이해
• 서로 다른 판매처의 동일 상품을 판별하는 Entity Matching / Entity Resolution 모델 개발
• 상품명, 상세 설명, 이미지, 스펙에서브랜드, 제조사, 모델명, 카테고리, 속성값 추출 및 정규화
• 카테고리 오분류, 비정상 가격, 잘못된 속성, 저품질 상품 등 데이터 결함 탐지
• 텍스트, 이미지, 정형 속성을 결합한 멀티모달 상품 표현 학습

2. 검색 품질
• 상품 표현과 속성, 품질 시그널을 검색에 적용
• Query Understanding, Retrieval, Ranking 단계의 품질 문제 분석 및 개선
• BM25, 벡터 검색 등 후보군 생성 방식의 조합 및 평가

3. 추천 및 개인화
• 상품 표현을 활용한 연관 상품, 유사 상품 추천 모델 개발
• 사용자 행동 데이터 기반 개인화 모델 설계 및 검증

4. LLM 및 멀티모달 응용
• 상품 데이터 가공, 리뷰 요약, 상품 정보 생성 등에 LLM, VLM 적용
• 파인튜닝, Synthetic Data 생성, Distillation을 통한 비용 및 품질 관리
• 카탈로그 운영 및 사내 업무 자동화 과제의 모델 적용

5. 모델 평가 및 운영
• 평가 데이터셋 및 평가 기준 설계
• LLM 기반 레이블 생성과 전문가 검수를 결합한 데이터 파이프라인 구축
• 학습, 검증, 배포, 추론, 모니터링 흐름 구축
• 처리량, 지연시간, 추론 비용, 안정성 최적화
• 데이터 및 모델 드리프트 감지와 재학습 체계 구축

자격요건

• 관련 경력 4년 이상 또는 이에 준하는 ML 모델 개발 역량
• Python, PyTorch를 활용한 모델 학습, 평가, 개선 경험
• 다음 중 하나 이상의 모델링 실무 경험
- 텍스트 분류, 정보 추출, NER
- Embedding, 유사도 학습, Metric Learning, Contrastive Learning
- Retrieval, Ranking, 추천
- Computer Vision 또는 Multimodal 모델링
• 노이즈가 많은 대규모 실서비스 데이터를 분석하여 모델링 문제와 학습 데이터를 정의한 경험
• 오프라인 지표를 통한 모델 성능 평가 및 오류 사례 분석, 개선 경험
• 모델을 실서비스에 배포하고 운영 중 발생한 품질, 성능 문제를 해결한 경험
• 담당 영역이 넓은 환경에서 우선순위를 판단하고 근거를 설명할 수 있는 커뮤니케이션 역량

[CC CTO] Machine Learning Engineer

포지션 상세

주요업무

자격요건

기술 스택 • 툴

태그

마감일

근무지역

더 많은 포지션을 찾아 볼까요?