AI 모델이 실제 트래픽 환경에서 안정적으로, 빠르게, 그리고 계속 진화하게 만듭니다. : 이 가슴 뛰는 미션을 함께 할 MLOps Engineer를 찾습니다!

[합류하시면 이런 일을 함께해요] • 머신러닝 모델을 실제 서비스 환경에서 안정적으로 서빙하고 운영합니다. • 머신러닝 모델 모니터링 체계를 설계·운영합니다. • ML Engineer가 집중해서 문제를 풀 수 있는 개발 환경을 함께 만들어갑니다. • ML 시스템 전반의 기술적 의사결정에 참여합니다.

[라포랩스는 이런 분을 찾고 있어요] • MLOps를 단순 자동화가 아닌 ‘서비스 운영 관점’에서 적용하고 고도화해본 경험이 있으신 분 • 머신러닝 모델을 실제 트래픽 환경에서 운영하며 발생하는 문제를 해결해본 경험이 있으신 분 • Kubernetes 기반 환경에서 ML 서비스 운영 경험이 있으신 분 • ML 서버 사이드 코드를 안정적으로 작성할 수 있으신 분 • 엔지니어·기획·데이터 팀과의 협업에서 기술을 ‘이해’, ‘설명’ 그리고 ‘조율’할 수 있는 분

[이런 경험을 가진 분이라면 더욱 좋아요! ] • 이커머스 도메인에서 머신러닝 모델을 운영해본 경험이 있으신 분 • Multi-Node GPU 학습, 서빙 및 Triton, vLLM 등 ML 추론 최적화 경험이 있으신 분 • 대용량 트래픽 기반 서비스 운영 경험이 있으신 분 • 기술적인 의사결정을 주도하거나, 기준을 만들어본 경험이 있으신 분

[라포랩스로의 합류 여정이에요 🚀] • 전형 프로세스 : 서류 전형 ＞ 1차 실무인터뷰 > 2차 컬쳐인터뷰 > 처우 협의 > 최종 합격 ◦ 프로세스는 일정과 상황에 따라 사전 안내 후 일부 변경 또는 추가될 수 있습니다. ◦ 각 전형 결과(합격/불합격)에 관계 없이 모든 지원자분들께 1~2주 이내에 개별 연락드립니다. ◦ 정규직의 경우, 3개월의 수습기간이 적용됩니다. 이 기간 동안 급여는 100% 지급되며 평가에 따라 수습이 연장되거나 종료될 수 있습니다. ◦ 채용 진행 과정에서 제출한 이력서·증빙자료 등에서 사실과 다른 정보 및 허위 기재 사항이 발견될 시 합격이 취소될 수 있습니다.

[라포랩스의 기술 스택은요] • 도구 : Git, Docker, Terraform, Helm, ArgoCD • ML 플랫폼 : Airflow, Mlflow, FastAPI, Kubernetes, GKE(GCP), EKS(AWS), Spark [함께 할 동료의 한 마디] MLOps Engineer에게 가장 중요한 역량은 'Continuous Training(CT) 파이프라인을 얼마나 탄탄하게 설계하고 운영해봤는가'라고 생각합니다. 라포랩스의 MLOps Engineer는 단순히 모델을 배포하는 수준을 넘어, 모델이 학습되고, 검증되고, 빠르게 서비스에 안정적으로 안착하는 전체 흐름을 함께 만들고자 합니다. 특히 아래와 같은 과제들을 함께 고민하고 실행할 분을 찾고 있습니다. 함께 도전해보고 싶은 분이라면, 지금 바로 합류하세요! 1. 신규 모델의 성능 개선 여부를 사전에 예측하고, 배포 이후 실제 서비스 환경에서도 성능이 안정적으로 유지되는지를 통합적으로 모니터링할 수 있는 가시성을 확보합니다. 2. 하나의 모델에 그치지 않고, 다양한 신규 모델들이 빠르고 안정적으로 서빙될 수 있는 환경을 제공합니다. 3. ML Engineer가 모델 실험부터 서비스 반영까지 유연하게 수행할 수 있는 ML 환경을 구축합니다.