포지션 상세
오믈렛(Omelet)은 고객의 복잡한 운영 문제를 이해하고, 최적의 의사결정을 생성하는 Operational Intelligence 회사로써, 물류, 의료, 방산 등 다양한 산업에 걸쳐 고객의 의사결정을 돕고 있습니다. 우리는 다양한 산업군의 복잡한 의사결정 문제를 혁신적으로 해결할 수 있는 생성형 AI기반 의사결정 Foundation 모델을 공급합니다.
오믈렛이 추구하는 Operational Intelligence를 구현하기 위해서는 대규모 의사결정 문제를 안정적이고 효율적으로 해결할 수 있는 고성능 최적화 알고리즘이 필요합니다. Omelet Research는 수리적 최적화 이론과 전통적 알고리즘뿐만 아니라 Neural Combinatorial Optimization(NCO) 및 강화학습(Reinforcement Learning) 연구를 접목하여 새로운 방법론을 설계하고, 이를 실제로 작동하는 고성능 소프트웨어로 구현합니다.
상용 최적화 소프트웨어 활용을 넘어, 알고리즘의 구조 자체를 깊이 이해하고 이를 직접 구현하여 성능을 개선할 수 있는 연구원을 모집합니다.
• GPU 가속 최적화 알고리즘 및 계산 커널 개발
• 딥러닝 기반 Neural Combinatorial Optimization(NCO) 알고리즘 및 강화학습(RL) 모델 개발
• 휴리스틱 설계와 고성능 최적화 알고리즘을 결합한 하이브리드 접근법 연구
성능 평가 및 소프트웨어 구조화
• 대규모 벤치마크를 활용한 알고리즘 성능 평가, 병목 분석 및 수치적 안정성·확장성 확보
• 연구 결과의 재사용성을 고려한 모듈화 및 소프트웨어 구조 설계
연구 협업 및 공유
• 최신 최적화 및 고성능 컴퓨팅 연구 동향 조사
• 정기 연구 미팅, 기술 문서/보고서 작성 및 사내 연구·개발팀과의 협업
• 체계적인 계산 실험 설계, 결과 분석 및 연구 내용을 명확히 문서화하고 소통할 수 있는 능력
• 다음 두 가지 연구 트랙 중 하나 이상에 전문성을 보유하신 분
Track 1: 전통적 최적화 연구 (Traditional Optimization)
- Large-Scale Optimization 및 Decomposition-based Algorithm 연구개발 경험
- Branch-and-Cut 알고리즘에 대한 깊이 있는 이해와 연구개발 능력
- C, C++, Rust 중 하나 이상을 활용한 고성능 소프트웨어 구현 능력
Track 2: AI 기반 최적화 연구 (AI-Native Optimization)
- Neural Combinatorial Optimization(NCO), 강화학습(RL) 기반 최적화 연구개발 경험
- Graph Neural Networks(GNN), Attention Mechanism 등을 활용한 조합 최적화 문제 해결 경험
- 딥러닝 프레임워크(PyTorch, TensorFlow 등)를 활용한 모델링 및 구현 능력
오믈렛이 추구하는 Operational Intelligence를 구현하기 위해서는 대규모 의사결정 문제를 안정적이고 효율적으로 해결할 수 있는 고성능 최적화 알고리즘이 필요합니다. Omelet Research는 수리적 최적화 이론과 전통적 알고리즘뿐만 아니라 Neural Combinatorial Optimization(NCO) 및 강화학습(Reinforcement Learning) 연구를 접목하여 새로운 방법론을 설계하고, 이를 실제로 작동하는 고성능 소프트웨어로 구현합니다.
상용 최적화 소프트웨어 활용을 넘어, 알고리즘의 구조 자체를 깊이 이해하고 이를 직접 구현하여 성능을 개선할 수 있는 연구원을 모집합니다.
주요업무
대규모(Large-Scale) 최적화 알고리즘 설계 및 고성능 소프트웨어 설계• GPU 가속 최적화 알고리즘 및 계산 커널 개발
• 딥러닝 기반 Neural Combinatorial Optimization(NCO) 알고리즘 및 강화학습(RL) 모델 개발
• 휴리스틱 설계와 고성능 최적화 알고리즘을 결합한 하이브리드 접근법 연구
성능 평가 및 소프트웨어 구조화
• 대규모 벤치마크를 활용한 알고리즘 성능 평가, 병목 분석 및 수치적 안정성·확장성 확보
• 연구 결과의 재사용성을 고려한 모듈화 및 소프트웨어 구조 설계
연구 협업 및 공유
• 최신 최적화 및 고성능 컴퓨팅 연구 동향 조사
• 정기 연구 미팅, 기술 문서/보고서 작성 및 사내 연구·개발팀과의 협업
자격요건
• 산업공학, 컴퓨터과학, 인공지능/머신러닝(AI/ML), 응용수학 등 관련 분야 박사학위 보유자 또는 졸업예정자• 체계적인 계산 실험 설계, 결과 분석 및 연구 내용을 명확히 문서화하고 소통할 수 있는 능력
• 다음 두 가지 연구 트랙 중 하나 이상에 전문성을 보유하신 분
Track 1: 전통적 최적화 연구 (Traditional Optimization)
- Large-Scale Optimization 및 Decomposition-based Algorithm 연구개발 경험
- Branch-and-Cut 알고리즘에 대한 깊이 있는 이해와 연구개발 능력
- C, C++, Rust 중 하나 이상을 활용한 고성능 소프트웨어 구현 능력
Track 2: AI 기반 최적화 연구 (AI-Native Optimization)
- Neural Combinatorial Optimization(NCO), 강화학습(RL) 기반 최적화 연구개발 경험
- Graph Neural Networks(GNN), Attention Mechanism 등을 활용한 조합 최적화 문제 해결 경험
- 딥러닝 프레임워크(PyTorch, TensorFlow 등)를 활용한 모델링 및 구현 능력
