[무신사 테크 ​소개] 팀 ​무신사 ​테크 조직은 ​혁신의 원동력이자 변화를 선도하는 ​핵심 ​기술 조직입니다. ​고객과 입점 브랜드가 ​각자의 고유한 ​개성을 ​자유롭게 표현할 ​수 ​있도록, ​데이터와 기술을 기반으로 ​한 ​개인화된 경험을 제공합니다. ​무신사 ​테크는 ​새로운 도전을 두려워하지 ​않으며, 항상 ​새로운 ​영역에서의 성공을 ​꿈꿉니다. 무신사는 ​한국을 ​넘어 글로벌 시장에서도 ​경쟁력 있는 ​서비스를 선보이고자 OCMP(One Core Multi Platform)를 구축하고 있습니다. 이를 통해 전체 비즈니스의 폭발적 성장을 지원하며 무신사 테크는 끊임없는 도전과 혁신으로 고객에게 더 나은 가치를 제공하고자 합니다. [팀 소개] CorenE Search n Recommendation 팀은 무신사, 29CM, 글로벌 무신사 등 팀 무신사의 다양한 서비스에서 검색 및 추천 경험을 고도화하는 머신러닝 시스템을 개발합니다. 패션 커머스에서 검색과 추천은 사용자가 원하는 상품을 발견하는 가장 중요한 접점이며, 개인화된 탐색 경험은 서비스 성과에 직접적인 영향을 미칩니다. 우리 팀은 머신러닝 엔지니어, 데이터사이언티스트, 백엔드 엔지니어가 한 팀으로 협업하며 검색 랭킹, 개인화 추천, 피처 파이프라인, 실험 플랫폼까지 End-to-End ML 모델 및 시스템을 구축하고 운영합니다. 수천만 유저의 행동 로그와 수백만 개의 상품 데이터를 기반으로 검색 및 추천 개인화, 검색어 기반 적합도, 랭킹 최적화 문제를 해결하며 실제 서비스 임팩트를 만들어가는 팀입니다. [이런 경험을 하실 수 있어요] 무신사·29CM·글로벌 무신사 등 다양한 플랫폼에서 검색 및 추천 ML 시스템을 설계하고 운영합니다. 대규모 유저 행동 로그 및 프로필 기반 검색 랭킹, 추천 모델, 개인화 시스템을 개발합니다. 오프라인 평가와 온라인 A/B 테스트를 통해 실제 서비스 성과를 개선합니다. Graph 기반 모델, Collaborative Filtering, 임베딩 모델, LLM 기반 모델, CTR 예측 모델 등 다양한 최신 ML 모델을 활용하여 비즈니스 지표를 개선합니다. 수천만 유저 트래픽 환경에서 추천 품질과 시스템 안정성을 동시에 고려하는 ML 시스템을 개발합니다. AWS SageMaker Endpoint와 FastAPI 기반 모델 서버(EKS)를 활용하여 ML 모델 서빙 및 MLOps를 운영합니다.

• 무신사/29CM 플랫폼의 검색 랭킹 및 개인화 추천 모델을 개발하고 서비스합니다. • 대규모 유저 행동 로그 기반 ML 피처 파이프라인 및 데이터 처리 구조를 설계합니다. • 검색/추천 시스템의 랭킹 모델 및 개인화 알고리즘을 개선합니다. • 검색 키워드의 의도를 분석하고 적합도를 모델링하여 검색 랭킹 품질을 개선합니다. • 오프라인 평가 및 온라인 A/B 테스트를 통해 모델 성능을 검증하고 개선합니다. • 다양한 서비스 요구사항을 반영하여 검색 및 추천 아키텍처를 설계하고 확장합니다. • LLM, 그래프 기반 추천, 멀티모달 임베딩 등 최신 ML 기술을 탐색하고 서비스에 적용합니다.

• 추천/랭킹/검색과 같은 ML 문제를 프로덕션 환경에서 개발 및 운영한 경험 7년 이상 혹은 이에 준하는 역량이 있으신 분 • Python기반 데이터 분석 및 머신러닝 모델 및 파이프라인 개발 경험이 있으신 분 • 대규모 유저 행동 데이터를 활용한 모델 개발 및 데이터 분석 경험이 있으신 분 • SQL을 활용한 데이터 추출 및 분석 역량이 있으신 분 [기술 스택] ML / Modeling : PyTorch, TensorFlow, HuggingFace Data Platform : Databricks, Airflow, Kafka Feature Storage : Elasticsearch, MongoDB, Redis Collaboration : Git, Jira, Confluence, Slack

• 커머스 / 패션 도메인에 대한 이해 또는 관련 경험이 있으신 분 • 검색 / 추천 ML 모델을 실제 서비스에 배포하고 성과를 개선한 경험이 있으신 분 • 대규모 트래픽 환경에서 콜드 스타트, 탐색-활용 문제 등을 해결한 경험이 있으신 분 • 실시간 데이터 처리 및 스트리밍 시스템 활용 경험이 있으신 분 • Elasticsearch 기반 검색 시스템 및 검색 랭킹에 대한 이해 또는 활용 경험이 있으신 분 • 추천 시스템 관련 연구 경험 또는 논문 이해가 있으신 분 • 다음과 같은 ML 인프라 및 모델 서빙 경험이 있으신 분 • Kubernetes(EKS) 기반 ML 서비스 운영 경험 • FastAPI 기반 모델 서버 개발 및 운영 경험 • MLflow,KubeFlow Ray, Triton Inference Server 등 ML 서빙 및 MLOps 도구 활용 경험

접수 기간 : 상시지원 전형 절차 : 서류 전형 - Live Coding (화상) - System Design (화상) - 2차 인터뷰 (컬쳐핏) - 처우 협의 - 최종합격 진행 상황에 따라 전형은 변동될 수 있습니다. 문의사항 :

[email protected]