파일러는 동영상 광고 콘텐츠 분석 및 AI 자동 차단 솔루션 'AiD'를 운영하며 디지털 마케팅 시장의 브랜드 세이프티를 선도하고 있습니다. 누적 투자 350억 원을 달성했으며, 글로벌 가이드라인 준수에 앞장서고 있습니다. [팀 소개] 파일러의 Machine Learning Engineering 팀은 최신 AI 연구 결과를 실제 프로덕션 시스템으로 구현하는 핵심 조직입니다. 우리의 미션은 매일 백만 건 이상의 동영상 콘텐츠를 분석하여 브랜드 세이프티를 위협하는 요소를 실시간으로 탐지하고 차단하는 것입니다. 우리는 Vision, NLP, 특히 최신 LLM 기술을 도입하여 동영상의 복잡한 문맥(Context)을 이해하는 데 집중하고 있습니다. 단순 모델 개발을 넘어, 대규모 트래픽 환경에서 안정적으로 운영되는 클라우드 네이티브 기반의 MLOps 인프라를 직접 구축하며, 복잡한 엔지니어링 문제를 함께 해결해나갈 동료를 찾습니다.

• ML 모델 프로덕션 서빙 및 운영: 개발된 모델 (Vision, NLP, LLM 등)을 Kubernetes 기반의 대규모 트래픽 환경에서 안정적이고 효율적으로 서빙할 수 있는 시스템(API 서버, 추론 엔진)을 구축하고 운영합니다. • LLM 및 RAG 기반 서비스 개발: 대규모 언어 모델 (LLM)과 RAG 기술을 활용하여 동영상 광고 콘텐츠의 문맥을 심층 분석하고, 브랜드 세이프티를 강화하는 새로운 AI 애플리케이션을 설계하고 구현합니다. • 성능 모니터링 및 개선: 프로덕션 환경에서의 모델 성능 (정확도, Latency)을 지속적으로 모니터링하고, 데이터 드리프트(Drift)를 감지하며, 인프라 비용 효율성을 개선하기 위한 활동에 참여합니다.

- 경력: Machine Learning Engineer, MLOps 또는 ML 기반 백엔드 엔지니어링 분야에서 2년 이상의 실무 경험. - 프로덕션 수준의 개발 역량: 프로덕션 환경에서 성능, 안정성, 유지보수성을 고려하여 Python 코드를 작성할 수 있으며, 복잡한 시스템의 성능 병목을 분석하고 디버깅할 수 있는 능력. - ML/DL 모델 구현 경험: 주요 ML/DL 프레임워크(예: Pytorch 등)를 사용하여 모델을 구현하고 실제 클라우드 서비스 환경에 적용해 본 경험. - 현대적 인프라 활용: Docker, Kubernetes등 컨테이너 기반 환경에서 ML 서비스를 개발하고 배포한 실무 경험.

• 특정 도구 사용 경험보다는, 해당 분야의 근본적인 원리를 이해하고 문제를 해결해 본 역량을 중요하게 평가합니다. • [추론 성능 최적화]: 대규모 모델의 추론 지연 시간(Latency) 및 처리량(Throughput)을 최적화하여 비용 효율적인 서빙 시스템을 구축한 경험 (예: vLLM, Triton Inference Server 둥 활용). • [RAG 시스템 고도화]: 정보 검색(Information Retrieval) 원리에 대한 이해를 바탕으로 RAG 파이프라인의 검색 품질과 응답 속도를 개선한 프로덕션 운영 경험. • [복합 LLM 애플리케이션]: 에이전트 기반 또는 복잡한 제어 흐름(Control Flow)을 가진 LLM 애플리케이션을 개발하고 안정성을 확보한 경험 (예: LangGraph 등 활용). • [도메인 전문성]: Video Understanding, 멀티모달 (Multimodal) 등 동영상 콘텐츠 분석 관련 프로젝트 경험.

• 서류 전형 ＞ (커피챗) ＞ 과제전형(유무변동) ＞ (On-site) 1차 직무 역량 인터뷰 ＞ (On-site) 2차 직무 역량 인터뷰 & Culture-fit 인터뷰 ＞ 최종 합격