합류하게 될 팀에 대해 알려드려요

• MLOps Engineer 은 ML Platform 팀에 소속되며, 다양한 도메인에 소속된 ML Engineer들과 함께 일해요.
• ML Platform 팀은 전사적으로 사용되는 ML 플랫폼을 개발하고 운영하는 팀이에요. 모든 ML 개발과 운영이 원활하게 이루어질 수 있도록 기반 인프라부터 ML 제품까지 폭넓게 책임지는 팀이에요.
• ML Platform 팀의 MLOps Engineer 는 GPU 인프라, 학습/실험을 위한 개발 환경, 모델 저장소, Feature Store, 서빙 시스템 등을 설계하고 운영하는 핵심적인 역할을 해요. 개인화 추천, 광고 최적화, Vision 모델 서빙, 생성형 AI 서빙 등 다양한 도메인에서 활용되는 모델들의 End-to-end 파이프라인을 제공하고, 효율적이고 확장 가능한 ML 플랫폼를 지속적으로 고도화하고 있어요.
• 토스 데이터 조직에 대해 더 알아보고 싶다면? → 토스 Data Division 위키

합류하면 함께 할 업무에요

• 대규모 데이터에 기반한 Feature Store, TrainKit (학습 라이브러리), Model Registry, Inference System, Monitoring 시스템 등 ML 파이프라인 최적화를 위한 플랫폼을 설계하고 개발해요.
• 여러 ML 컴포넌트를 오픈소스 혹은 자체 개발하여 ML 제품을 만들고, MLOps 를 위해 여러 ML 컴포넌트를 사용하여 전사에서 사용할 수 있게 자동화하고 플랫폼화해요.
• 딥러닝 모델을 실시간 환경에서 안정적으로 그리고 플랫폼화된 서빙을 위한 아키텍처 설계해요 (Tensorflow Serving, TorchServe, Triton, TensorRT).
• 여러 팀이 공통으로 사용하는 ML 라이브러리를 개발하고, 성능을 개선하여 더 효율적이고 확장할 수 있도록 지원하며, 토스의 다양한 서비스에 맞게 최적화하는 작업을 수행해요.
• ML 시스템의 확장성과 안정성을 확보하며, 머신러닝 작업을 더 효과적으로 수행할 수 있도록 베스트 프랙티스와 가이드라인을 작성하고 공유해요.

이런 분과 함께하고 싶어요

• 머신러닝과 딥러닝에 대한 깊이 있는 지식이 있고, 이를 시스템 설계와 엔지니어링 문제에 적용한 경험이 있으신 분이면 좋아요.
• 모델 학습부터 서빙까지의 ML 파이프라인에 대한 과정을 대략적으로 경험 혹은 이해하고 있는 분을 찾고 있어요.
• 복잡한 기술적 문제를 명확하게 설명할 수 있는 좋은 커뮤니케이션 능력을 가진 분이면 좋아요.
• 다양한 문제 상황에서 다양한 해결 방안을 고민하고 최적의 해법을 도출하는 문제 해결 역량을 갖추신 분이면 더욱 환영이에요.

이런 분이면 더 좋아요

• GPU 기반의 ML 모델 서빙 경험, 그리고 성능 병목현상 진단 및 최적화 경험이 있으면 좋아요.
• 추천/광고 모델 학습 경험을 바탕으로 학습 과정을 일반화한 경험이 있다면 더욱 환영이에요.
• Vector Database, NoSQL과 같이 ML 기반의 대용량 서비스를 위한 인프라에 대한 경험이 있으면 좋아요.
• Kotlin, SpringBoot 에 대한 경험이 있으면 좋아요.

이력서는 이렇게 작성하시는 걸 추천해요

• 진행했던 과제가 조직에 큰 영향력을 미쳤다면 그 내용을 자세히 작성해 주세요.
• 단순히 어떤 언어, 플랫폼, 프레임워크, 기술 등을 사용했는지보다는, 어떤 목적을 가진 과제였는지, 이를 해결하기 위해 무엇을 사용했는지, 어떻게 문제를 해결했는지에 대해 자세히 작성해 주세요.
• 플랫폼을 운영하면서 발생한 치명적인 장애를 해결해 보았거나, 성능/리소스 최적화를 해 본 경험이 있다면 작성해 주세요.
• 오픈소스 사용 중에 발생한 버그나 이슈를 해결해 보았거나, 부족한 기능을 개선하기 위해 오픈소스에 기여했던 경험이 있다면 작성해 주세요.

토스로의 합류여정

• 서류 접수 > 1차 직무 인터뷰 (코딩) > 2차 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격
• 1차 직무 인터뷰에서는 간단한 코딩 테스트, 이력 체크, ML 기초 지식 테스트가 진행될 예정이에요.
• 2차 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.

함께할 동료를 위한 한마디

"프로덕션에서 동작하는 ML 솔루션을 만들고, 각종 최적화 도구와 플랫폼을 직접 구축하고 고도화 해나가는 것, 토스에서는 가능해요!"

• 저희는 토스에서 추천 / 타겟팅 서비스, ML 파이프라인 구축, Feature Store, Monitoring System, Vector DB 등을 효율적으로 구축하고 무결하게 운영하는 것을 목표로 업무에 몰입하고 있어요.
• MLOps End-to-End 파이프라인을 구축함에 있어 과도한 복잡함을 피하고 간단하고 명확한 방식으로 견고한 구조를 설계하는 과정을 동료들과 함께 할 수 있습니다.
• 아직 밝혀지지 않은 문제를 정의하고, 심층적이면서 다면적인 해법을 찾아가는 과정을 즐기는 분을 기다리고 있습니다.
• 다양한 금융 데이터와 머신러닝 기법을 적용한 결과물을 End-to-End로 함께 경험하실 분을 기다릴게요!