포지션 상세
도로 위 수만 대의 이동 수단, 이제 스스로 움직이는 미래가 됩니다.
SWING은 ‘차를 위한 도시를 사람을 위한 도시로’라는 비전으로 설립된 모빌리티 스타트업으로, 2025년 매출 970억, 6년 연속 영업이익 흑자를 기록하며 성장가도를 달리고 있습니다.
스윙(SWING)은 전국 도심을 누비는 수만 대의 마이크로 모빌리티와 킥보드, 택시, 셔틀버스 등 폭넓은 Fleet을 기반으로 대한민국 라스트마일 모빌리티 시장을 혁신해 왔습니다. 매일 수백만 건의 이동 데이터가 축적되는 스윙의 Fleet은 단순히 이동을 제공하는 수단을 넘어, 실제 도로 환경의 생생한 데이터를 수집하는 가장 강력한 자율주행 데이터 플랫폼입니다.
자율주행의 승패는 더 이상 연구실 안에서의 기술 개발에 있지 않습니다. "실제 도로에서 얼마나 많은 Edge Case 데이터를 모으고, 이를 빠르게 AI 모델 성능으로 전환하는 Data Flywheel을 구축하는가"가 핵심입니다.
SWING 자율주행본부는 이 강력한 Fleet 인프라를 바탕으로 두 가지 거대한 도전을 시작합니다.
• Autonomous Driving Data Platform: 실제 차량 Fleet에서 쏟아지는 대용량 센서·차량 데이터를 수집·분석·평가하여 자율주행 AI 성능이 스스로 고도화되는 Data Flywheel 구축
• Autonomous Robot Delivery Service: 캠퍼스, 리조트, 대단지 아파트 등 실제 고객의 삶 접점(Limited-ODD)에서 로봇 배송 서비스를 선보이고, 기술을 넘어 지속 가능한 사업성(Unit Economics) 증명
막연한 미래의 기술을 연구하는 데 그치지 않고, 우리가 보유한 전국 단위 Fleet 인프라 위에서 기술과 사업을 현실로 만들어갈 인재를 모십니다.
화려한 완성품을 유지보수하는 역할이 아닙니다. 실제 데이터가 생동하게 작동하기 시작하는 극초기 단계에서 0 to 1의 아키텍처와 비즈니스를 직접 정의하고 주도할 수 있는 기회가 준비되어 있습니다.
SWING과 함께 자율주행 모빌리티의 다음 장을 열어갈 분들을 기다립니다.
[직무 소개]
SWING의 실제 차량 Fleet에서 수집되는 대규모 주행 데이터를 기반으로 자율주행 AI 학습과 성능 평가에 필요한 데이터·ML 파이프라인을 구축합니다.
카메라 영상과 차량 주행 신호(속도, 조향각, CAN 등) 데이터를 머신러닝 및 컴퓨터 비전 기술로 분석합니다. 급작스러운 끼어들기, 복잡한 교차로, 악천후 등 AI가 판단하기 어려운 특수 상황(Edge Case / Key Driving Scenario)을 자동으로 탐색·구조화하고, 이를 고품질 학습 데이터셋과 평가 지표로 연결하는 역할을 수행합니다.
단순히 새로운 AI 모델 구조를 연구하는 것에 그치지 않고, 실제 도로 데이터에서 문제를 발굴하여 [데이터 탐색 ＞ 데이터셋 구축 ＞ 성능 평가 및 지표 수립 ＞ 모델 개선]으로 이어지는 Data-centric ML 선순환 구조를 직접 설계하고 구축할 분을 찾습니다.
• Camera, CAN, GNSS/IMU 등 다종 센서(Multi-modal) 데이터를 활용해 주행 상황을 인식하고 분류하는 데이터 마이닝 파이프라인 및 AI 모델을 개발합니다.
• 임베딩(Embedding) 및 멀티모달 표현 기술을 활용하여 대규모 주행 데이터에서 원하는 유사 장면(Scene)을 빠르게 검색하고 추출(Retrieval)하는 기능을 구축합니다.
• 머신러닝 학습 및 평가에 필요한 데이터셋을 정제·선별(Dataset Curation, Sampling, Slicing)하고, 시나리오별 커버리지(Coverage)를 체계적으로 관리합니다.
• 실제 주행 데이터와 모델 예측값을 바탕으로 오프라인 평가(Offline Evaluation) 파이프라인을 구축하고, 위험·희귀 상황(Safety-critical Scenario)에 대한 회귀 평가(Regression Evaluation) 데이터셋 및 벤치마크를 수립합니다.
• 데이터 플랫폼, Replay 및 시뮬레이션 환경과 연계하여 [Data Mining ＞ Dataset ＞ Evaluation ＞ Model Improvement]로 이어지는 Data-centric ML 선순환 개선 루프를 완성합니다.
• VLM / Vision Foundation Model 등을 활용하여 주행 장면의 Semantic Metadata 생성, Auto-labeling 및 Scene Understanding 기능을 개발합니다.
• Python, PyTorch 등을 활용해 딥러닝 프레임워크를 활용해 AI 모델을 개발해보신 분
• Computer Vision, Video Understanding 또는 Multi-modal Data 관련 프로젝트 경험이 있으신 분
• Detection, Classification, Tracking, Embedding 등 Vision / ML 기술에 대한 이해와 구현 경험이 있으신 분
• 데이터셋 구축부터 모델 학습, 평가에 이르는 ML 프로젝트의 전체 과정을 경험해 보신 분
• 실제 데이터에서 발생하는 Noise, Class Imbalance, Label Quality 등 실제 현장 데이터의 문제를 직접 분석하고 해결해 본 경험이 있으신 분
• 실험 수준의 머신러닝 모델이나 알고리즘을 실제 데이터 파이프라인 및 제품(Product) 환경에서 활용 가능한 형태로 발전시켜 본 경험이 있으신 분
SWING은 ‘차를 위한 도시를 사람을 위한 도시로’라는 비전으로 설립된 모빌리티 스타트업으로, 2025년 매출 970억, 6년 연속 영업이익 흑자를 기록하며 성장가도를 달리고 있습니다.
스윙(SWING)은 전국 도심을 누비는 수만 대의 마이크로 모빌리티와 킥보드, 택시, 셔틀버스 등 폭넓은 Fleet을 기반으로 대한민국 라스트마일 모빌리티 시장을 혁신해 왔습니다. 매일 수백만 건의 이동 데이터가 축적되는 스윙의 Fleet은 단순히 이동을 제공하는 수단을 넘어, 실제 도로 환경의 생생한 데이터를 수집하는 가장 강력한 자율주행 데이터 플랫폼입니다.
자율주행의 승패는 더 이상 연구실 안에서의 기술 개발에 있지 않습니다. "실제 도로에서 얼마나 많은 Edge Case 데이터를 모으고, 이를 빠르게 AI 모델 성능으로 전환하는 Data Flywheel을 구축하는가"가 핵심입니다.
SWING 자율주행본부는 이 강력한 Fleet 인프라를 바탕으로 두 가지 거대한 도전을 시작합니다.
• Autonomous Driving Data Platform: 실제 차량 Fleet에서 쏟아지는 대용량 센서·차량 데이터를 수집·분석·평가하여 자율주행 AI 성능이 스스로 고도화되는 Data Flywheel 구축
• Autonomous Robot Delivery Service: 캠퍼스, 리조트, 대단지 아파트 등 실제 고객의 삶 접점(Limited-ODD)에서 로봇 배송 서비스를 선보이고, 기술을 넘어 지속 가능한 사업성(Unit Economics) 증명
막연한 미래의 기술을 연구하는 데 그치지 않고, 우리가 보유한 전국 단위 Fleet 인프라 위에서 기술과 사업을 현실로 만들어갈 인재를 모십니다.
화려한 완성품을 유지보수하는 역할이 아닙니다. 실제 데이터가 생동하게 작동하기 시작하는 극초기 단계에서 0 to 1의 아키텍처와 비즈니스를 직접 정의하고 주도할 수 있는 기회가 준비되어 있습니다.
SWING과 함께 자율주행 모빌리티의 다음 장을 열어갈 분들을 기다립니다.
[직무 소개]
SWING의 실제 차량 Fleet에서 수집되는 대규모 주행 데이터를 기반으로 자율주행 AI 학습과 성능 평가에 필요한 데이터·ML 파이프라인을 구축합니다.
카메라 영상과 차량 주행 신호(속도, 조향각, CAN 등) 데이터를 머신러닝 및 컴퓨터 비전 기술로 분석합니다. 급작스러운 끼어들기, 복잡한 교차로, 악천후 등 AI가 판단하기 어려운 특수 상황(Edge Case / Key Driving Scenario)을 자동으로 탐색·구조화하고, 이를 고품질 학습 데이터셋과 평가 지표로 연결하는 역할을 수행합니다.
단순히 새로운 AI 모델 구조를 연구하는 것에 그치지 않고, 실제 도로 데이터에서 문제를 발굴하여 [데이터 탐색 ＞ 데이터셋 구축 ＞ 성능 평가 및 지표 수립 ＞ 모델 개선]으로 이어지는 Data-centric ML 선순환 구조를 직접 설계하고 구축할 분을 찾습니다.
주요업무
• 실제 주행 데이터에서 주요 주행 이벤트와 예외 상황(Driving Scenario / Edge Case)을 찾아내고 구조화하는 데이터 탐색 파이프라인을 개발합니다.• Camera, CAN, GNSS/IMU 등 다종 센서(Multi-modal) 데이터를 활용해 주행 상황을 인식하고 분류하는 데이터 마이닝 파이프라인 및 AI 모델을 개발합니다.
• 임베딩(Embedding) 및 멀티모달 표현 기술을 활용하여 대규모 주행 데이터에서 원하는 유사 장면(Scene)을 빠르게 검색하고 추출(Retrieval)하는 기능을 구축합니다.
• 머신러닝 학습 및 평가에 필요한 데이터셋을 정제·선별(Dataset Curation, Sampling, Slicing)하고, 시나리오별 커버리지(Coverage)를 체계적으로 관리합니다.
• 실제 주행 데이터와 모델 예측값을 바탕으로 오프라인 평가(Offline Evaluation) 파이프라인을 구축하고, 위험·희귀 상황(Safety-critical Scenario)에 대한 회귀 평가(Regression Evaluation) 데이터셋 및 벤치마크를 수립합니다.
• 데이터 플랫폼, Replay 및 시뮬레이션 환경과 연계하여 [Data Mining ＞ Dataset ＞ Evaluation ＞ Model Improvement]로 이어지는 Data-centric ML 선순환 개선 루프를 완성합니다.
• VLM / Vision Foundation Model 등을 활용하여 주행 장면의 Semantic Metadata 생성, Auto-labeling 및 Scene Understanding 기능을 개발합니다.
자격요건
• 머신러닝, 컴퓨터 비전 또는 관련 분야 개발 경력 4년 이상이거나 이에 준하는 역량을 보유하신 분• Python, PyTorch 등을 활용해 딥러닝 프레임워크를 활용해 AI 모델을 개발해보신 분
• Computer Vision, Video Understanding 또는 Multi-modal Data 관련 프로젝트 경험이 있으신 분
• Detection, Classification, Tracking, Embedding 등 Vision / ML 기술에 대한 이해와 구현 경험이 있으신 분
• 데이터셋 구축부터 모델 학습, 평가에 이르는 ML 프로젝트의 전체 과정을 경험해 보신 분
• 실제 데이터에서 발생하는 Noise, Class Imbalance, Label Quality 등 실제 현장 데이터의 문제를 직접 분석하고 해결해 본 경험이 있으신 분
• 실험 수준의 머신러닝 모델이나 알고리즘을 실제 데이터 파이프라인 및 제품(Product) 환경에서 활용 가능한 형태로 발전시켜 본 경험이 있으신 분
