영상인식 AI 업계 국내 1위 기업에서 AI 기술 총괄해주실 분을 모시고 있습니다.

1. AI/ML 모델팀 리딩 • 모델 엔지니어, MLOps 엔지니어, 데이터·평가 담당 조직을 리드합니다. • 컴퓨터 비전 모델의 문제 정의, 데이터 구성, 학습, 평가, 배포, 운영 개선까지 전체 흐름을 책임집니다. • 얼굴 인식, 라이브니스, 화재·연기 탐지 등 기존 모델의 성능 개선 로드맵을 수립합니다. • OCR, VLM, LLM 기반 기술 등 신규 AI 영역의 적용 가능성을 검토하고 우선순위를 정합니다. • 모델 배포 여부를 판단할 수 있는 품질 기준과 의사결정 체계를 운영합니다. 2. 평가·데이터·MLOps 체계 구축 • 모델 성능을 신뢰할 수 있게 측정하기 위한 평가셋, 테스트셋, 벤치마크 체계를 정비합니다. • 실험 기록, 모델 버전, 데이터 버전, 배포 이력을 추적할 수 있는 MLOps 프로세스를 구축합니다. • 운영 중 발생하는 오탐, 미탐, 실패 사례를 수집하고 다시 학습에 반영하는 데이터 플라이휠을 설계합니다. • GPU, 스토리지, 학습 환경 등 모델 개발 인프라가 효율적으로 운영되도록 관리합니다. • 데이터 품질, 라벨 품질, 평가 기준을 지속적으로 개선할 수 있는 내부 도구와 프로세스를 정착시킵니다. 3. 새로운 AI 기술의 빠른 검증과 적용 • LLM, AI Agent, RAG, VLM, 합성 데이터 생성 등 새로운 AI 기술을 빠르게 검토합니다. • 과도한 플랫폼 구축보다 작은 프로토타입을 통해 실제 가치와 한계를 먼저 확인합니다. • 제품 적용 가능성뿐 아니라 내부 업무 자동화, 개발 생산성 향상, 데이터 처리 효율화 관점에서도 AI 기술을 활용합니다. • 외부 솔루션, 오픈소스, 논문, 벤치마크 결과를 검토하고 회사에 맞는 도입 여부를 판단합니다. 4. 기술 검증과 의사결정 • 중요한 기술 판단이 필요할 때 직접 코드, 실험 결과, 데이터, 논문을 검토합니다. • 모델 성능 수치가 실제 현장 성능과 연결되는지 확인하고, 과장되거나 편향된 평가를 걸러냅니다. • 기술적 의사결정의 근거를 데이터와 외부 사례로 정리합니다. • 모델 개발 현황, 리스크, 개선 우선순위를 CTO와 경영진이 이해할 수 있는 언어로 전달합니다. 5. 조직 간 협업과 실행 관리 • 데이터 수집·가공 조직, 제품 조직, 기술지원 조직, QA 조직과 협업 구조를 설계합니다. • 모델 개발이 연구 단계에 머무르지 않고 제품 성능 개선과 고객 가치로 연결되도록 관리합니다. • 팀의 역할, 책임, 우선순위, 개발 프로세스를 명확히 정리합니다. • AI 기술 전략을 실행 가능한 로드맵으로 만들고 결과까지 책임집니다.

• AI/ML 모델을 실제 제품에 적용하고 운영해 본 경험 • 딥러닝 및 머신러닝에 대한 탄탄한 이해 • 컴퓨터 비전 모델 개발 또는 운영 경험 • 모델 개발, 실험, 코드 리뷰가 가능한 수준의 기술 역량 • 실험 관리, 모델 배포, 데이터 버전 관리, 운영 자동화 등 MLOps에 대한 실무 이해 • 평가셋, 테스트셋, 데이터 품질 관리의 중요성을 이해하고 실제로 개선해 본 경험 • AI/ML 엔지니어 조직을 리드하거나 기술적으로 이끌어 본 경험 • 엔지니어와 경영진 모두와 소통할 수 있는 커뮤니케이션 역량

• AI 관련 학과 박사 학위 소지자 • 객체 탐지, 얼굴 인식, 라이브니스, 위·변조 탐지 등 컴퓨터 비전 분야 경험 • OCR, VLM, LLM, AI Agent, RAG 기반 기술의 실전 적용 경험 • Kubernetes, GPU 클러스터, 공용 스토리지 등 AI 학습 인프라 운영 경험 • MLflow, ClearML, DVC 등 실험·모델·데이터 관리 도구 사용 경험 • AI 개발 프로세스나 MLOps 체계를 초기 단계부터 구축해 본 경험 • 한국어와 영어 기술 문서, 논문, 오픈소스 자료를 모두 활용할 수 있는 역량

서류전형 - 실무면접 - 임원면접 - 처우 협의