포지션 상세
■ 회사소개
비바이노베이션의 대표 서비스 ‘착한의사’는 2018년 병원 찾기 서비스로 시작해, 지금은 건강검진 전후의 여정을 하나로 연결하는 서비스로 자리 잡았습니다. 230만 명의 이용자, 430곳의 병원과 함께하는 국내 건강검진 No.1 플랫폼으로 지속 성장하고 있습니다.
의료 AI 서비스의 기술력과 경쟁력을 인정받아 CES 2025 혁신상 2개 부문을 수상했고, 매년 50% 이상의 매출 성장을 기록하며 2025년 매출액 71.5억원을 달성했습니다. 또한 삼성, LG 등 국내 대기업의 선택을 받으며 시리즈 C까지 누적 325억 원의 투자를 유치해, 시장에서 그 가능성을 입증 받아, 기술특례상장을 준비하고 있습니다.
이제 비바이노베이션은 검진 플랫폼을 넘어, 검진 데이터로 질병을 미리 내다보는 의료 AI 기업으로 나아가고 있습니다. AI 모델을 통해 만성질환 발병을 미리 예측하고, 병원과 검진자 모두의 의사결정을 돕는 AI 인프라를 만들고자 합니다.
그 변화를 함께 만들어갈 비바이노베이션 원팀을 찾습니다.
• 학습 데이터 정제, 중복 제거 및 품질 검수
• Instruction 및 대화형 학습 데이터 구축, 학습·검증·평가 데이터 분리 및 데이터 누수 관리
• SFT 및 LoRA·QLoRA 기반 파인튜닝 수행
• 학습률, 배치 크기, 시퀀스 길이 등 학습 설정 최적화 및 GPU 메모리 효율 개선
• 베이스 모델 대비 성능 평가, 응답 오류 분석 및 데이터·학습 방식 개선
• 학습 코드, 데이터셋, 체크포인트 및 실험 이력 관리와 학습 재현성 확보
• 관련 분야 학사 학위 이상
• LLM 파인튜닝 프로젝트에서 데이터 준비부터 학습·평가까지 직접 수행한 경험
• Python 및 PyTorch를 활용한 모델 학습 코드 구현·수정 역량
• Hugging Face Transformers, Datasets, PEFT 등을 활용한 LLM 파인튜닝 경험
• 토큰화, 대화 템플릿, 학습 대상 토큰 마스킹 등 학습 데이터 처리에 대한 이해
• 과적합, 데이터 불균형, 학습 불안정 등의 문제를 분석하고 개선한 경험
• 평가 데이터와 지표를 설계하고, 실험 결과를 근거로 모델 성능 개선 여부를 판단할 수 있는 역량
비바이노베이션의 대표 서비스 ‘착한의사’는 2018년 병원 찾기 서비스로 시작해, 지금은 건강검진 전후의 여정을 하나로 연결하는 서비스로 자리 잡았습니다. 230만 명의 이용자, 430곳의 병원과 함께하는 국내 건강검진 No.1 플랫폼으로 지속 성장하고 있습니다.
의료 AI 서비스의 기술력과 경쟁력을 인정받아 CES 2025 혁신상 2개 부문을 수상했고, 매년 50% 이상의 매출 성장을 기록하며 2025년 매출액 71.5억원을 달성했습니다. 또한 삼성, LG 등 국내 대기업의 선택을 받으며 시리즈 C까지 누적 325억 원의 투자를 유치해, 시장에서 그 가능성을 입증 받아, 기술특례상장을 준비하고 있습니다.
이제 비바이노베이션은 검진 플랫폼을 넘어, 검진 데이터로 질병을 미리 내다보는 의료 AI 기업으로 나아가고 있습니다. AI 모델을 통해 만성질환 발병을 미리 예측하고, 병원과 검진자 모두의 의사결정을 돕는 AI 인프라를 만들고자 합니다.
그 변화를 함께 만들어갈 비바이노베이션 원팀을 찾습니다.
주요업무
• 목표 태스크에 맞춘 LLM 파인튜닝 실험 설계• 학습 데이터 정제, 중복 제거 및 품질 검수
• Instruction 및 대화형 학습 데이터 구축, 학습·검증·평가 데이터 분리 및 데이터 누수 관리
• SFT 및 LoRA·QLoRA 기반 파인튜닝 수행
• 학습률, 배치 크기, 시퀀스 길이 등 학습 설정 최적화 및 GPU 메모리 효율 개선
• 베이스 모델 대비 성능 평가, 응답 오류 분석 및 데이터·학습 방식 개선
• 학습 코드, 데이터셋, 체크포인트 및 실험 이력 관리와 학습 재현성 확보
자격요건
• AI·ML 또는 NLP 관련 실무 경력 5년 이상• 관련 분야 학사 학위 이상
• LLM 파인튜닝 프로젝트에서 데이터 준비부터 학습·평가까지 직접 수행한 경험
• Python 및 PyTorch를 활용한 모델 학습 코드 구현·수정 역량
• Hugging Face Transformers, Datasets, PEFT 등을 활용한 LLM 파인튜닝 경험
• 토큰화, 대화 템플릿, 학습 대상 토큰 마스킹 등 학습 데이터 처리에 대한 이해
• 과적합, 데이터 불균형, 학습 불안정 등의 문제를 분석하고 개선한 경험
• 평가 데이터와 지표를 설계하고, 실험 결과를 근거로 모델 성능 개선 여부를 판단할 수 있는 역량
