![모티프드라이브-[E2E Team] Data-Centric ML Engineer](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fimages%2Fcompany%2F51009%2Fly0wnunfuk98ww64__1080_790.png&w=700&q=100)
![모티프드라이브-[E2E Team] Data-Centric ML Engineer](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fimages%2Fcompany%2F51009%2Fzs6vmtgs4lggi8u0__1080_790.png&w=700&q=100)
![모티프드라이브-[E2E Team] Data-Centric ML Engineer](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fimages%2Fcompany%2F51009%2Floie87upyefm7v2c__1080_790.png&w=700&q=100)
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.
[팀 소개]
MotifDrive E2E 팀은 카메라를 비롯한 센서 입력에서 주행 궤적까지를 하나의 신경망으로 학습하는 End-to-End 자율주행 모델을 연구합니다. Perception과 Planning을 하나로 학습하는 아키텍처를 설계하고, Imitation Learning과 Reinforcement Learning을 결합해 복잡한 도로 상황에서도 안전하고 자연스럽게 주행하는 모델을 만들어 갑니다. 나아가 VLA(Vision-Language-Action)처럼 대규모 사전학습 모델의 상식과 추론 능력을 주행에 연결하는 차세대 구조도 함께 연구하고 있습니다.
E2E 팀에서는 연구와 엔지니어링이 자연스럽게 이어집니다. 연구를 통해 모델의 주행 성능을 차근차근 키워 나가고, 그렇게 발전시킨 모델이 실제 자율주행 차량에서 안정적으로 동작하도록 다듬는 과정까지 함께합니다. 새로운 아이디어가 실험으로 검증되고, 실차에 탑재하여 도로 위를 달리기까지의 과정을 함께 경험할 수 있습니다.
Data-Centric ML Engineer는 데이터 관점에서 E2E 자율주행 모델의 성능을 높입니다. 모델이 어려워하는 주행 상황을 데이터에서 찾아 분석하고, Edge Case를 Curation해 학습에 활용합니다. 또한 데이터 팀과 협업하여 학습 데이터의 추가 요청 및 업데이트를 관리합니다.
[주요 업무]
• 데이터 관점의 성능 저하 시나리오 분석: 평가 실패 케이스와 Training Loss·Uncertainty·Embedding 유사도를 활용한 Hard Case 및 Long-tail 시나리오 Mining
• Edge Case Curation: 대규모 주행 데이터에서 교차로, 끼어들기, 보행자 상호작용 등 복잡한 상황을 추출·Tagging하여 학습에 활용
• 학습 성능 향상을 위한 데이터 처리: 주행 상황별 Data Balancing, Data Mixture 비율 설계, 부적합한 데이터 Filtering 및 Data Ablation을 통한 효과 검증
• 데이터 팀과 협업하여 부족한 시나리오에 대한 데이터 취득 요청 및 보강
• 머신러닝 모델 학습 및 실험 설계 경험 (직접 학습을 돌려 데이터의 효과를 검증할 수 있는 분)
• 대규모 학습 데이터셋 Curation 경험 (Deduplication, Edge Case Tagging, Dataset Versioning 등)
• 데이터 분포가 모델 행동에 미치는 영향에 대한 이해
• Python, SQL, 분산 처리 프레임워크 등을 활용한 대규모 데이터셋 처리 및 분석 능력
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.
[팀 소개]
MotifDrive E2E 팀은 카메라를 비롯한 센서 입력에서 주행 궤적까지를 하나의 신경망으로 학습하는 End-to-End 자율주행 모델을 연구합니다. Perception과 Planning을 하나로 학습하는 아키텍처를 설계하고, Imitation Learning과 Reinforcement Learning을 결합해 복잡한 도로 상황에서도 안전하고 자연스럽게 주행하는 모델을 만들어 갑니다. 나아가 VLA(Vision-Language-Action)처럼 대규모 사전학습 모델의 상식과 추론 능력을 주행에 연결하는 차세대 구조도 함께 연구하고 있습니다.
E2E 팀에서는 연구와 엔지니어링이 자연스럽게 이어집니다. 연구를 통해 모델의 주행 성능을 차근차근 키워 나가고, 그렇게 발전시킨 모델이 실제 자율주행 차량에서 안정적으로 동작하도록 다듬는 과정까지 함께합니다. 새로운 아이디어가 실험으로 검증되고, 실차에 탑재하여 도로 위를 달리기까지의 과정을 함께 경험할 수 있습니다.
주요업무
[포지션 소개]Data-Centric ML Engineer는 데이터 관점에서 E2E 자율주행 모델의 성능을 높입니다. 모델이 어려워하는 주행 상황을 데이터에서 찾아 분석하고, Edge Case를 Curation해 학습에 활용합니다. 또한 데이터 팀과 협업하여 학습 데이터의 추가 요청 및 업데이트를 관리합니다.
[주요 업무]
• 데이터 관점의 성능 저하 시나리오 분석: 평가 실패 케이스와 Training Loss·Uncertainty·Embedding 유사도를 활용한 Hard Case 및 Long-tail 시나리오 Mining
• Edge Case Curation: 대규모 주행 데이터에서 교차로, 끼어들기, 보행자 상호작용 등 복잡한 상황을 추출·Tagging하여 학습에 활용
• 학습 성능 향상을 위한 데이터 처리: 주행 상황별 Data Balancing, Data Mixture 비율 설계, 부적합한 데이터 Filtering 및 Data Ablation을 통한 효과 검증
• 데이터 팀과 협업하여 부족한 시나리오에 대한 데이터 취득 요청 및 보강
자격요건
• 머신러닝, 컴퓨터 비전 또는 데이터 사이언스 관련 석사 이상 또는 그에 준하는 실무 경험• 머신러닝 모델 학습 및 실험 설계 경험 (직접 학습을 돌려 데이터의 효과를 검증할 수 있는 분)
• 대규모 학습 데이터셋 Curation 경험 (Deduplication, Edge Case Tagging, Dataset Versioning 등)
• 데이터 분포가 모델 행동에 미치는 영향에 대한 이해
• Python, SQL, 분산 처리 프레임워크 등을 활용한 대규모 데이터셋 처리 및 분석 능력
