포지션 상세
**ThakiCloud(다키클라우드 코리아)**는 글로벌 AI 인프라 시장을 대상으로 소버린(Sovereign) 및 프라이빗 AI 클라우드 플랫폼을 개발하는 기업입니다.
우리는 AI 모델을 단순히 배포하고 운영하는 수준을 넘어, 목적에 맞는 모델을 직접 연구하고 학습하며 평가할 수 있는 AI Native Training Platform을 구축하고 있습니다.
현재 LLM, 소형 언어모델(SLM), 임베딩 모델, 멀티모달 모델, AI 라우팅 및 도메인 특화 모델 등 다양한 AI 모델링과 최적화 연구를 진행하고 있습니다.
또한 SFT, Preference Optimization, Reinforcement Learning, Knowledge Distillation, Quantization 등 다양한 학습 및 최적화 방법을 실제 모델 개발에 적용하고 있습니다.
우리가 찾는 분은 기존 학습 프레임워크를 설치하고 파이프라인만 관리하는 엔지니어가 아닙니다.
최신 AI 논문과 모델 아키텍처를 이해하고, 실험을 설계하고, 직접 모델을 학습·평가하며, 이러한 연구 과정을 자동화된 플랫폼으로 구현할 수 있는 엔지니어를 찾습니다.
• 최신 LLM, SLM, Embedding, Multimodal 모델 아키텍처와 학습 기법을 연구합니다.
• 오픈소스 기반 모델을 목적에 맞게 파인튜닝하거나 경량화하고, 필요에 따라 모델 구조 및 학습 방법을 개선합니다.
• 다양한 모델 크기와 아키텍처의 성능·비용·효율성을 비교하고 최적의 모델링 전략을 수립합니다.
• 특정 도메인 및 업무에 최적화된 AI 모델을 직접 개발하고 평가합니다.
2. 최신 모델 학습 및 최적화 기술 개발
• SFT, LoRA/QLoRA, DPO 및 다양한 Preference Optimization 기법을 연구하고 적용합니다.
• GRPO, RLVR 등 강화학습 기반 모델 최적화 방법을 실험하고 개발합니다.
• Knowledge Distillation, Self-Distillation, Synthetic Data 기반 모델 개선 기술을 연구합니다.
• 모델 정확도뿐 아니라 학습 안정성, 일반화 성능, 데이터 효율성 및 추론 효율을 함께 개선합니다.
3. AI Native Training Platform 설계 및 개발
• 모델 학습, 평가, 실험 관리, 체크포인트 관리 및 배포까지 연결되는 End-to-End 학습 플랫폼을 개발합니다.
• PyTorch 기반 분산 학습 환경과 GPU 자원 스케줄링 시스템을 구축합니다.
• 다중 실험, 하이퍼파라미터 탐색, 자동 평가 및 재현 가능한 학습 파이프라인을 설계합니다.
• GPU 활용률과 학습 처리량을 개선하고 대규모 모델 학습 환경을 최적화합니다.
• 모델 연구 결과를 실제 추론 플랫폼과 연계할 수 있는 학습·배포 워크플로를 구현합니다.
4. AI 데이터 및 평가 시스템 개발
• Hugging Face 등 공개 데이터와 자체 생성 데이터를 활용하여 모델 학습 데이터셋을 구축합니다.
• Synthetic Data Generation, 데이터 품질 평가 및 자동 검증 파이프라인을 개발합니다.
• 데이터 오염, 평가 데이터 누수, 중복 및 라이선스 문제를 검증합니다.
• 모델 성능을 객관적으로 측정하기 위한 벤치마크 및 평가 프레임워크를 설계합니다.
• 실험 결과를 기반으로 모델과 학습 방법을 반복적으로 개선합니다.
5. AI 연구의 플랫폼 및 제품화
• 최신 AI 연구 성과를 검토하고 실제 모델과 학습 플랫폼에 적용합니다.
• 모델 학습부터 평가, 최적화, 추론 서비스까지 이어지는 자동화 체계를 구축합니다.
• 연구 과정에서 발견한 새로운 모델링 방법과 시스템 최적화 기술을 검증합니다.
• 연구 결과를 재사용 가능한 학습 레시피와 플랫폼 기능으로 발전시킵니다.
• Python 및 PyTorch를 활용하여 AI 모델을 직접 구현하고 학습한 경험이 있으신 분
• Transformer 기반 언어모델의 구조와 학습 원리에 대한 이해가 있으신 분
• SFT, PEFT, LoRA 등 모델 파인튜닝 경험이 있으신 분
• 실제 데이터셋을 구성하고 모델 학습·평가 실험을 수행한 경험이 있으신 분
• 최신 AI 논문과 오픈소스 코드를 이해하고 직접 재현하거나 응용할 수 있는 분
• 모델 성능을 객관적으로 측정하고 실험 결과를 분석하여 개선 방향을 도출할 수 있는 분
• 연구 결과를 실제 소프트웨어 또는 플랫폼 기능으로 구현할 수 있는 개발 역량을 갖추신 분
이런 분과 함께하고 싶습니다
• 기존 모델을 API로 사용하는 것이 아니라 직접 모델을 만들고 성능을 높이는 과정에 흥미가 있는 분
• 새로운 논문을 읽었을 때 실제 코드와 학습 실험으로 검증해 보고 싶은 분
• 단순한 파인튜닝을 넘어 모델 구조, 데이터, 학습 알고리즘까지 고민하는 분
• 연구용 실험 코드에서 끝나지 않고 재사용 가능한 학습 시스템과 플랫폼을 개발하고 싶은 분
• 모델 성능을 주장하기보다 정확한 벤치마크와 재현 가능한 실험으로 증명하는 분
• 빠르게 변화하는 AI 기술을 지속적으로 학습하고 직접 새로운 시도를 해보고 싶은 분
우리는 이미 만들어진 모델을 운영하는 데서 멈추지 않습니다. 새로운 AI 기술을 연구하고, 직접 모델을 개발하며, 이를 반복 가능하고 확장 가능한 학습 플랫폼으로 만드는 것이 목표입니다.
최신 AI 연구와 실제 AI 시스템 개발을 함께하고 싶은 분을 찾습니다.
우리는 AI 모델을 단순히 배포하고 운영하는 수준을 넘어, 목적에 맞는 모델을 직접 연구하고 학습하며 평가할 수 있는 AI Native Training Platform을 구축하고 있습니다.
현재 LLM, 소형 언어모델(SLM), 임베딩 모델, 멀티모달 모델, AI 라우팅 및 도메인 특화 모델 등 다양한 AI 모델링과 최적화 연구를 진행하고 있습니다.
또한 SFT, Preference Optimization, Reinforcement Learning, Knowledge Distillation, Quantization 등 다양한 학습 및 최적화 방법을 실제 모델 개발에 적용하고 있습니다.
우리가 찾는 분은 기존 학습 프레임워크를 설치하고 파이프라인만 관리하는 엔지니어가 아닙니다.
최신 AI 논문과 모델 아키텍처를 이해하고, 실험을 설계하고, 직접 모델을 학습·평가하며, 이러한 연구 과정을 자동화된 플랫폼으로 구현할 수 있는 엔지니어를 찾습니다.
주요업무
1. LLM 및 AI 모델 연구·개발• 최신 LLM, SLM, Embedding, Multimodal 모델 아키텍처와 학습 기법을 연구합니다.
• 오픈소스 기반 모델을 목적에 맞게 파인튜닝하거나 경량화하고, 필요에 따라 모델 구조 및 학습 방법을 개선합니다.
• 다양한 모델 크기와 아키텍처의 성능·비용·효율성을 비교하고 최적의 모델링 전략을 수립합니다.
• 특정 도메인 및 업무에 최적화된 AI 모델을 직접 개발하고 평가합니다.
2. 최신 모델 학습 및 최적화 기술 개발
• SFT, LoRA/QLoRA, DPO 및 다양한 Preference Optimization 기법을 연구하고 적용합니다.
• GRPO, RLVR 등 강화학습 기반 모델 최적화 방법을 실험하고 개발합니다.
• Knowledge Distillation, Self-Distillation, Synthetic Data 기반 모델 개선 기술을 연구합니다.
• 모델 정확도뿐 아니라 학습 안정성, 일반화 성능, 데이터 효율성 및 추론 효율을 함께 개선합니다.
3. AI Native Training Platform 설계 및 개발
• 모델 학습, 평가, 실험 관리, 체크포인트 관리 및 배포까지 연결되는 End-to-End 학습 플랫폼을 개발합니다.
• PyTorch 기반 분산 학습 환경과 GPU 자원 스케줄링 시스템을 구축합니다.
• 다중 실험, 하이퍼파라미터 탐색, 자동 평가 및 재현 가능한 학습 파이프라인을 설계합니다.
• GPU 활용률과 학습 처리량을 개선하고 대규모 모델 학습 환경을 최적화합니다.
• 모델 연구 결과를 실제 추론 플랫폼과 연계할 수 있는 학습·배포 워크플로를 구현합니다.
4. AI 데이터 및 평가 시스템 개발
• Hugging Face 등 공개 데이터와 자체 생성 데이터를 활용하여 모델 학습 데이터셋을 구축합니다.
• Synthetic Data Generation, 데이터 품질 평가 및 자동 검증 파이프라인을 개발합니다.
• 데이터 오염, 평가 데이터 누수, 중복 및 라이선스 문제를 검증합니다.
• 모델 성능을 객관적으로 측정하기 위한 벤치마크 및 평가 프레임워크를 설계합니다.
• 실험 결과를 기반으로 모델과 학습 방법을 반복적으로 개선합니다.
5. AI 연구의 플랫폼 및 제품화
• 최신 AI 연구 성과를 검토하고 실제 모델과 학습 플랫폼에 적용합니다.
• 모델 학습부터 평가, 최적화, 추론 서비스까지 이어지는 자동화 체계를 구축합니다.
• 연구 과정에서 발견한 새로운 모델링 방법과 시스템 최적화 기술을 검증합니다.
• 연구 결과를 재사용 가능한 학습 레시피와 플랫폼 기능으로 발전시킵니다.
자격요건
• 머신러닝, 딥러닝, LLM 개발 또는 AI 플랫폼 분야에서 5년 이상 또는 그에 준하는 연구·개발 역량을 보유하신 분• Python 및 PyTorch를 활용하여 AI 모델을 직접 구현하고 학습한 경험이 있으신 분
• Transformer 기반 언어모델의 구조와 학습 원리에 대한 이해가 있으신 분
• SFT, PEFT, LoRA 등 모델 파인튜닝 경험이 있으신 분
• 실제 데이터셋을 구성하고 모델 학습·평가 실험을 수행한 경험이 있으신 분
• 최신 AI 논문과 오픈소스 코드를 이해하고 직접 재현하거나 응용할 수 있는 분
• 모델 성능을 객관적으로 측정하고 실험 결과를 분석하여 개선 방향을 도출할 수 있는 분
• 연구 결과를 실제 소프트웨어 또는 플랫폼 기능으로 구현할 수 있는 개발 역량을 갖추신 분
이런 분과 함께하고 싶습니다
• 기존 모델을 API로 사용하는 것이 아니라 직접 모델을 만들고 성능을 높이는 과정에 흥미가 있는 분
• 새로운 논문을 읽었을 때 실제 코드와 학습 실험으로 검증해 보고 싶은 분
• 단순한 파인튜닝을 넘어 모델 구조, 데이터, 학습 알고리즘까지 고민하는 분
• 연구용 실험 코드에서 끝나지 않고 재사용 가능한 학습 시스템과 플랫폼을 개발하고 싶은 분
• 모델 성능을 주장하기보다 정확한 벤치마크와 재현 가능한 실험으로 증명하는 분
• 빠르게 변화하는 AI 기술을 지속적으로 학습하고 직접 새로운 시도를 해보고 싶은 분
우리는 이미 만들어진 모델을 운영하는 데서 멈추지 않습니다. 새로운 AI 기술을 연구하고, 직접 모델을 개발하며, 이를 반복 가능하고 확장 가능한 학습 플랫폼으로 만드는 것이 목표입니다.
최신 AI 연구와 실제 AI 시스템 개발을 함께하고 싶은 분을 찾습니다.
