합류하게 될 팀에 대해 알려드려요

• 이 포지션은 토스의 다양한 도메인(Ads, 커머스, Home 등)에서 추천 시스템과 반응 예측 모델을 통해 사용자와 콘텐츠, 서비스, 광고 간의 연결을 최적화하는 역할을 해요.
• 도메인별로 문제 정의와 추천 대상은 다르지만, 공통적으로 유저 행동 데이터를 기반으로 콘텐츠를 정교하게 노출하고 성과를 높이는 머신러닝 기반의 문제 해결 능력이 중요해요.
• 토스 데이터 조직에 대해 더 알아보고 싶다면? → 토스 Data Division 위키

합류하면 함께 할 업무에요

• 인터뷰 과정을 거치며 후보자가 강점을 발휘할 수 있는 업무 및 조직에 배치될 예정이에요.
• 도메인 내에서 발생하는 가장 복잡한 문제를 해결하고 틀을 깨는 해결 방안을 제시해요.
• 팀과 조직 내 ML 역량을 높이기 위해 거시적인 측면에서 기술적으로 지원하고, 기술적 방향성에 의견을 내요.
• 복잡한 문제를 해결하기 위한 시스템을 설계하고 동료와 협업하여 개발을 주도적으로 이끌어요.

💡 Display Ads

• 광고 콘텐츠의 클릭 및 전환 가능성을 예측하기 위한 CTR/CVR 예측 및 랭킹 모델을 개발해요.
• 사용자, 광고 소재, 맥락 데이터를 바탕으로 개인화된 광고 추천 및 타겟팅 알고리즘을 설계하고 개선해요
• 모델 성능 개선을 위한 피처 엔지니어링, 실험 설계 및 정량적 평가를 반복적으로 수행해요.
• 추천 로직 및 모델이 광고 성과에 미치는 영향을 분석하고, 성과 개선을 위한 반복 실험과 개선 사이클을 운영해요.

💡 Commerce

• 사용자 행동, 상품 정보, 맥락 데이터 등을 바탕으로 상품 클릭률(CTR), 전환율(CVR) 등을 예측하는 모델을 개발해요.
• 예측 결과를 활용해 상품 노출을 최적화하는 추천 알고리즘을 설계하고 고도화해요.
• 추천 품질을 높이기 위한 모델 성능 분석, 피처 엔지니어링, 하이퍼파라미터 튜닝 등의 반복적인 실험을 수행해요.
• 다양한 실험과 오프라인/온라인 지표 분석을 통해 모델 개선 효과를 정량적으로 검증해요.

💡 General

• 토스 전반의 다양한 문제를 머신러닝 기반으로 정의하고 해결해요.
• 추천, 이상 탐지, 자연어 처리, AutoML 등 다양한 과제를 다루며, 필요에 따라 새로운 문제 유형을 탐색하고 실험해요.
• 사용자 행동, 금융 데이터, 로그, 비정형 정보 등 도메인을 가로지르는 다양한 데이터를 분석하고 모델에 반영해요.
• 전사 차원에서 재사용할 수 있는 파운데이션 모델을 설계하거나, 기존 모델을 실험하고 최적화해요.
• 빠른 학습과 실험을 통해 문제 해결 속도를 높이고, 반복 가능한 방법론으로 정제해 나가요.
• 머신러닝 모델 개발 과정에서 축적한 경험을 바탕으로, 조직 전체가 참고할 수 있는 베스트 프랙티스를 문서화하고 전파해요.

꼭 확인해 주세요

• 개발에 대한 각 서비스의 비전을 기술적으로 구체화하고 복잡한 문제를 주도적으로 해결하는 시니어 ML Engineer를 위한 공고예요.
• 사용자 대상의 대규모 ML 기반 서비스를 7년 이상 개발해 본 분만 지원할 수 있어요.
• 개별 서비스를 넘어선 도메인 차원의 조직 임팩트를 만드는 역할을 한다는 점에서 기존의 ML Engineer와 분리된 공고로 채용하고 별도의 평가 기준을 두고 있어요.
• 토스에서는 직급 체계를 운영하고 있지 않으며, 입사 후 내부적으로 통용되는 직무 명칭은 'ML Engineer’로 동일해요.

이런 분과 함께하고 싶어요

• 추천 시스템, 랭킹, 개인화 모델링 등 사용자-콘텐츠/서비스 매칭 문제를 실무에서 해결한 경험이 있으신 분
• CTR, CVR 등 사용자 반응 예측 모델 개발 및 개선 경험이 있는 분
• 다양한 피처를 활용한 모델 설계, 실험, 성능 개선 루틴에 익숙한 분
• PyTorch, TensorFlow, LightGBM 등 ML 프레임워크 활용 경험이 있는 분
• 반복적인 실험과 정량 평가를 통해 실제 서비스 성과를 개선한 경험이 있는 분
• 다양한 직군과 협업하며 기술적 설명과 문제 정의를 명확히 할 수 있는 커뮤니케이션 역량이 있으신 분

이력서는 이렇게 작성하시는 걸 추천해요

• 진행했던 프로젝트가 조직에 큰 영향력을 미쳤다면 그 내용을 자세히 작성해 주세요.
• 모델링 중심 프로젝트에서 본인이 정의한 문제, 선택한 접근법, 실험 방법과 성능 개선 내용을 구체적으로 적어주세요.
• 반복적인 실험과 성능 분석을 통해 정량적으로 문제를 해결한 과정이 있다면 강조해 주세요.

토스로의 합류여정

• 서류 접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격
• 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.

함께할 동료를 위한 한마디

"단순한 모델링만 하는 것이 아닌, 비즈니스에 임팩트를 내는 역할이에요."

• 토스에서 가장 만족스러운 것은 모델링 그 이상을 한다는 거예요.
• 이전에는 주어진 모델에 데이터를 넣고 성능을 평가하는 것이 전부였는데, 지금은 집계되지 않는 데이터를 어떻게 모델에 녹여낼 수 있을지 고민하고 있어요.
• 금융 관련 데이터로만 분석과 모델링 하는 것에 나아가, 유저에 대한 이해를 바탕으로 슈퍼 앱을 운영하는데 임팩트를 내는 데 기여할 수 있어 보람차요!