[네이버] 플레이스 검색 개인화 추천 모델 경량화 리서치 체험형 인턴

[네이버] 플레이스 검색 개인화 추천 모델 경량화 리서치 체험형 인턴

[담당 업무]

1. LLM 추론 경량화 연구: Knowledge Distillation 및 Quantization 기반 모델 경량화 및 성능 검증

- Teacher-Student 모델 설계 및 학습: Teacher LLM의 출력을 활용한 Student 모델 fine-tuning 및 품질 비교 평가

- Quantization 및 Pruning 실험: INT8/FP16 양자화 및 가지치기를 통한 추론 속도 개선 및 SLA 충족 여부 검증

2. 경량화 모델 품질 평가: LLM-as-a-Judge 기반 성능 비교 및 품질 저하 임계값 정의

- 추천 모델 성능 검증: CTR 기반 추천 품질 분석 및 Latency-품질 trade-off 분석

- Latency 프로파일링: End-to-End 추론 파이프라인 분석 및 병목 구간 최적화

[요구 조건]

- 컴퓨터 공학, 인공지능, 통계학 등 관련 전공 학부 3학년 이상의 학습 경험이 있으신 분 (재학생 및 졸업예정자 포함)

- Python을 능숙하게 다루며 PyTorch, TensorFlow 등 1개 이상의 ML 프레임워크 사용 경험이 있으신 분

- 추천 관련 AI/ML 논문을 읽고 핵심 아이디어를 파악할 수 있으신 분

[우대 사항]

- LangChain, HuggingFace 등을 활용하여 LLM 애플리케이션을 구축해본 경험이 있으신 분

- 추천 시스템 관련 프로젝트 경험이 있으신 분

- NeurIPS, ICML, ICLR, KDD, RecSys, ACL 등 AI/ML 학회 논문 경험이 있으신 분

[전형 절차]

서류 전형 > 코딩테스트 > 직무 인터뷰 > 인턴십 합격 > 인턴십 수행 (8주)

[일정 및 기타]

- 접수 마감 : 2026.04.14(화) 10:00

- 코딩테스트 : 4/23 ~ 4/26 예상

- 직무 인터뷰 : 5월 1주차

- 인턴십 : 2026.05.18 ~ 2026.07.10 (8주, 주 5일 풀타임)​