주요업무
[Mission of the Role]
STRADVISION의 ML/Data Platform Group은 자율주행 비젼 솔루션 개발을 위한 데이터 파이프라인과 플랫폼을 구축·운영합니다. 구체적으로는 다음과 같은 목표와 역할을 수행합니다:
• 데이터 중앙화 : 원천 데이터, 프레임, 데이터셋 등 다양한 형태의 데이터를 통합 저장·관리하고, 데이터 조회, 전처리, 샘플링, 라벨링 등 데이터 파이프라인 전 과정을 지원하기 위한 Data Centralization을 구현합니다.
• 데이터 가공 효율성 극대화 : 대규모 데이터의 효율적 수집, 전처리, 라벨링, 평가, 검증을 자동화하여 데이터 생산성과 품질을 높이고, 라벨링 비용을 절감합니다.
• DataOps 및 MLOps : 데이터 파이프라인 기반의 데이터 필터링, 모델 학습, 배포, 워크로드 관리 등 전 과정을 자동화하고, 클라우드 환경에서 DL 모델을 학습 배포할 수 있도록 지원합니다.
• AI/ML 기반 서비스 : Data Logging, Auto Labeling, Auto Evaluation & Validation, Workload Analysis등 AI/ML 기반의 다양한 자동화 솔루션 제공합니다.
• E2E 데이터 파이프라인: Autonomous Driving End-to-End 개발에 필요한 모든 데이터 파이프라인과 기반 기술을 개발합니다.
그 안에서 Data AI/ML Engineer는 데이터 중심의 AI 개발 환경에서 핵심 AI 기술을 개발 · 적용하고, 데이터 파이프라인 및 자동화 솔루션과의 연계를 통해 자율주행 및 AI 서비스의 데이터 생산성과 품질을 극대화하는 역할을 담당합니다.
• 데이터 중앙화 및 품질 향상 : 다양한 원천 데이터(카메라, LiDAR, CAN Data 등)의 통합 저장·관리에 필요한 AI 기반 데이터 정합성 검증, 품질 평가, 이상 탐지 알고리즘 개발을 수행합니다. 또한 라벨링 품질, ODD(Operational Design Domain) 태깅의 정확성 등을 자동으로 평가·검증하는 AI/ML 기반 품질 관리 솔루션 개발합니다.
• 데이터 가공 효율성 극대화 : Auto Labeling 및 Annotation 자동화 도구에 적용할 수 있는 Computer Vision/AI 모델 및 후처리 알고리즘을 개발하고 최적화하여 반복적 라벨링 작업을 자동화합니다. 또한 대규모 데이터의 전처리, 샘플링, 필터링을 위한 AI 기술을 개발합니다.
• DataOps 및 MLOps 자동화 : 데이터 수집부터 모델 학습, 평가, 배포까지 전 과정을 자동화하는 플랫폼 구축 및 운영에 필요한 AI 기반 자동화 모듈 개발합니다. 또한, Auto Evaluation & Validation 자동화 서비스에 적용할 수 있는 AI 기반 성능 평가, 이상 탐지, 데이터 분류/선별 알고리즘 개발 합니다.
• AI/ML 기반 서비스 고도화 : 데이터 수집·라벨링·가공 과정에서 발생하는 로그 데이터를 분석하여, 작업 효율성 및 생산성 향상을 위한 AI 기반 분석 및 인사이트 도출합니다. 데이터 검색, 추천, 메타데이터 오토태깅 등 데이터 활용성을 높이는 AI 서비스 개발합니다.
• E2E 데이터 파이프라인 및 신기술 적용 : Autonomous Driving End-to-End 개발에 필요한 데이터 파이프라인 내 AI/ML 기술 적용(예: 시뮬레이션 데이터 생성, Synthetic Data 활용, Close-loop 평가 등) 합니다. 최신 Computer Vision, Generative AI, 시뮬레이션 기반 데이터 생성 및 증강을 위한 신기술을 도입하고, 실제 데이터 파이프라인에 적용·검증 합니다.
[Key Responsibilities]
• 데이터 가공 효율성 극대화
• Auto Labeling 및 Annotation 자동화 도구에 적용할 수 있는 Computer Vision/AI 모델 개발 및 최적화하고 반복적 라벨링 작업을 자동화합니다.
대규모 데이터의 전처리, 샘플링, 필터링을 위한 AI 기반 자동화 파이프라인 개발합니다.
• E2E 데이터 파이프라인 및 신기술 적용
• Autonomous Driving End-to-End 개발에 필요한 데이터 파이프라인 내 AI/ML 기술 적용(예: 시뮬레이션 데이터 생성, Synthetic Data 활용, Close-loop 평가 등) 합니다.
• 최신 Computer Vision, Generative AI, 시뮬레이션 기반 데이터 생성 등 신기술을 도입하고, 실제 데이터 파이프라인에 적용·검증 합니다.
• 협업 및 커뮤니케이션
• 데이터 가공 전문가, DataOps/MLOps 플랫폼 개발자, 시나리오 엔지니어 등 다양한 팀 구성원들과 긴밀하게 협업하여 프로젝트 목표 달성에 기여합니다.
• 모델 및 데이터 파이프라인의 성능을 지속적으로 모니터링하고, 개선 방안을 도출합니다.