[스캐터랩] ML Researcher

[스캐터랩] ML Researcher

[주요 업무]

- 최신 학습 방법론 적용: 제타 서비스에 최적화된 모델 구축을 위해 Continual Pre-training 및 SFT(Supervised Fine-tuning) 관련 최신 방법론을 탐색하고 적용합니다.

- 유저 선호도 최적화: 제품 내 유저 선호도와 상호작용 데이터를 분석하여 RLHF, DPO, GRPO 등 다양한 Preference Optimization 기법을 적용하고, 유저와 밀접하게 정렬된 모델을 제공합니다.

- 효율적인 서빙 전략 설계: 최소 비용으로 최대 성능을 내기 위해 Knowledge Distillation, Quantization-aware Training 등의 학습 방법론을 개발하고, Weight/KV Cache Quantization 등 캐시 친화적인 서빙 전략을 설계합니다.

- 답변 품질 극대화: Model Ensemble, Rejection Sampling 등 여러 모델의 강점을 결합하는 전략을 연구하여 실제 서비스 환경에서의 응답 품질을 높입니다.

- 모델 평가 방법론 개발: 다양한 방법론으로 개발되는 모델들을 빠르고 정확하게 평가하기 위해 A/B 테스트, Multi-armed Bandit(MAB), 자체 리더보드 등 실서비스 지표를 활용한 평가 시스템을 구축합니다.

[필수 역량]

- AI 기술을 실제 제품에 적용하는 과정에 높은 관심을 가지고, 출시 이후에도 성능을 지속적으로 개선하며 고도화할 수 있는 분

- AI/ML 분야에 대한 탄탄한 기본기를 바탕으로, 최소 한 가지 이상의 특정 도메인에 대해 깊이 있게 이해하고 관련 프로젝트 경험을 보유한 분

- 문제를 명확하게 정의하고, 적절한 실험을 설계 및 수행한 뒤 결과를 분석해 인사이트를 도출하는 전 과정을 주도적으로 수행할 수 있는 분

- PyTorch, TensorFlow 등 오픈소스 ML 프레임워크를 활용해 학습 파이프라인을 직접 구현하고 개선해 본 경험이 있으며, Python 기반으로 실험과 개발을 빠르게 반복할 수 있는 분

[우대 역량]

- AI 기술을 활용한 제품이나 기능을 직접 개발·운영해 본 경험이 있거나, 실제 서비스 환경에서 발생하는 제약과 요구사항을 고려한 개선 경험이 있는 분

- AI 관련 연구, 논문, 프로젝트를 주도적으로 이끌어 목표를 설정하고 실행 계획을 수립한 뒤, 결과물을 만들어 임팩트로 연결해 본 경험이 있는 분

- NeurIPS, ICML, ICLR, CVPR, ICCV, ACL, EMNLP 등 주요 학회에 1저자로 논문을 게재했거나, Kaggle 등 관련 대회에서 수상하여 객관적으로 검증된 성과를 보유한 분

- Hugging Face, DeepSpeed 등 AI/ML 생태계의 주요 오픈소스에 기여하여 실제로 코드와 커뮤니티에 기여한 경험이 있는 분

- FSDP, DeepSpeed, Slurm 등을 활용하여 멀티 클러스터 환경에서의 분산 학습을 진행한 경험이 있는 분