포지션 상세
MotifDrive(모티프드라이브)는 2024년 10월 설립된 Physical AI 자율주행 소프트웨어 기업입니다. Pure End-to-End 주행 모델과 VLM 기반 의미 추론을 결합한 Dual-Loop 아키텍처, 그리고 수학 기반 Fail-Safety Layer로 구성된 3계층 구조를 통해 완성차(OEM)와 Tier-1 부품사의 양산 자율주행을 목표로 합니다.
카메라 기반 E2E 모델이 Scaling Law의 혜택을 받는 구조적으로 우월한 패러다임이라는 믿음 아래, 데이터를 빠르고 효율적으로 확보하고 정제하는 Data Engine을 회사의 핵심 경쟁력으로 구축하고 있습니다. 이번 채용은 그 Data Engine의 기반을 함께 만들어 갈 동료를 찾는 과정입니다.
[함께 일하는 방식]
• 작은 조직에서 수집부터 학습까지 전 과정을 직접 보고 개선합니다. 담당 영역의 결과가 회사의 실차 데모와 양산 성과로 바로 이어집니다.
• 측정 가능한 지표로 일합니다. 각 포지션은 입사 후 90일 기대 성과를 명시하고 있습니다.
• 연구 성과의 Top-Tier 학회·저널 게재를 장려합니다.
데이터 후처리, 오토라벨링, 학습, 평가, 경량화 배포로 이어지는 전 과정을 자동화된 파이프라인으로 연결해, 연구자가 인프라가 아닌 모델에 집중하도록 만듭니다. 목표는 신규 취득 데이터가 학습에 반영되기까지의 리드타임을 주 단위에서 일 단위로 줄이는 것입니다.
[주요 업무]
• 데이터 인제스트·후처리(지도 정합, 큐레이션, 측위, 오토라벨)를 Airflow 등 오케스트레이터로 통합하고 재시도·알림·관측 체계 구축
• 실험 관리 및 데이터셋 버전 추적 체계(ClearML, MLflow 등) 도입: 어떤 데이터로 어떤 모델을 학습했는지 재현 가능하게 관리
• A100/H100급 GPU 서버 클러스터의 학습 작업 스케줄링 및 자원 활용률 최적화
• 학습–평가–벤치마크 자동화(CI for ML), 모델 레지스트리 운영
• 임베디드 팀과 협업하여 학습 모델의 경량화·양자화(TensorRT, INT8) 및 온칩 배포 파이프라인 연계
• DevOps·DataOps·MLOps를 전사 공통 플랫폼으로 확장하는 아키텍처 수립
• Airflow, Prefect, Kubeflow 등 워크플로 오케스트레이션 실무 경험
• PyTorch 기반 분산 학습 환경(DDP 등)과 GPU 서버 운영에 대한 이해
• Docker, CI/CD, Linux 시스템 운영 역량
• 실험 추적·모델 레지스트리 도구 운영 경험
카메라 기반 E2E 모델이 Scaling Law의 혜택을 받는 구조적으로 우월한 패러다임이라는 믿음 아래, 데이터를 빠르고 효율적으로 확보하고 정제하는 Data Engine을 회사의 핵심 경쟁력으로 구축하고 있습니다. 이번 채용은 그 Data Engine의 기반을 함께 만들어 갈 동료를 찾는 과정입니다.
[함께 일하는 방식]
• 작은 조직에서 수집부터 학습까지 전 과정을 직접 보고 개선합니다. 담당 영역의 결과가 회사의 실차 데모와 양산 성과로 바로 이어집니다.
• 측정 가능한 지표로 일합니다. 각 포지션은 입사 후 90일 기대 성과를 명시하고 있습니다.
• 연구 성과의 Top-Tier 학회·저널 게재를 장려합니다.
주요업무
[포지션 미션]데이터 후처리, 오토라벨링, 학습, 평가, 경량화 배포로 이어지는 전 과정을 자동화된 파이프라인으로 연결해, 연구자가 인프라가 아닌 모델에 집중하도록 만듭니다. 목표는 신규 취득 데이터가 학습에 반영되기까지의 리드타임을 주 단위에서 일 단위로 줄이는 것입니다.
[주요 업무]
• 데이터 인제스트·후처리(지도 정합, 큐레이션, 측위, 오토라벨)를 Airflow 등 오케스트레이터로 통합하고 재시도·알림·관측 체계 구축
• 실험 관리 및 데이터셋 버전 추적 체계(ClearML, MLflow 등) 도입: 어떤 데이터로 어떤 모델을 학습했는지 재현 가능하게 관리
• A100/H100급 GPU 서버 클러스터의 학습 작업 스케줄링 및 자원 활용률 최적화
• 학습–평가–벤치마크 자동화(CI for ML), 모델 레지스트리 운영
• 임베디드 팀과 협업하여 학습 모델의 경량화·양자화(TensorRT, INT8) 및 온칩 배포 파이프라인 연계
• DevOps·DataOps·MLOps를 전사 공통 플랫폼으로 확장하는 아키텍처 수립
자격요건
• ML 학습·서빙 인프라 구축 또는 운영 경력 4년 이상• Airflow, Prefect, Kubeflow 등 워크플로 오케스트레이션 실무 경험
• PyTorch 기반 분산 학습 환경(DDP 등)과 GPU 서버 운영에 대한 이해
• Docker, CI/CD, Linux 시스템 운영 역량
• 실험 추적·모델 레지스트리 도구 운영 경험
