[서비스를 소개해요] 지그재그는 나만의 스타일을 발견하는 즐거움을 전하는 스타일 커머스 플랫폼이에요. 2015년 출시 이후 모바일 쇼핑의 새로운 기준을 제시하며 가파르게 성장해 온 결과, 현재 누적 앱 다운로드 수 5,500만 돌파, 연간 거래액 2조 원 달성이라는 독보적인 기록을 세우고 있어요. 동대문 소호 패션부터 브랜드 패션, 뷰티, 라이프까지 국내 최다 수준의 ‘셀렉션’을 제공하고 AI 기반 개인화 추천과 이미지 검색, 빠른 배송 서비스 ‘직진배송’ 등 차별화된 쇼핑 경험을 선사하며 1030 유저들의 사랑을 받는 국내 대표 스타일 커머스 플랫폼으로 자리 매김했어요. [관련 기사] 1. 10대부터 70대까지…카카오스타일, 여성 전 연령대 아우르며 성장↑ (

https://n.news.naver.com/mnews/article/092/0002377255?sid=105

) 2. '역대 최대' 매출 기록한 카카오스타일…2년 연속 흑자달성 (

https://n.news.naver.com/mnews/article/018/0006252874?sid=101

) 3. 2년 연속 흑자…'배송·브랜드·3040' 삼박자 맞았다 (

https://n.news.naver.com/mnews/article/050/0000100695?sid=101

) [우리 팀을 소개해요] 카카오스타일 데이터 사이언스팀은 유저에게 더 나은 쇼핑 경험을 제공하기 위해 데이터와 자연어 처리(NLP) 기술, 알고리즘을 바탕으로 서비스 전반의 언어 데이터를 이해하고 활용하며 개인화된 추천을 설계·고도화하고 있어요. 유저의 검색 의도와 콘텐츠 맥락을 정확히 파악하고, 수많은 상품과 정보 속에서 '지금 이 순간' 가장 도움이 되는 정보와 선택지를 제시하는 것이 우리의 목표예요. 즉, 지그재그를 비롯한 카카오스타일의 다양한 서비스에서 발생하는 방대한 텍스트 데이터를 분석하고, 이를 바탕으로 "유저는 지금 무엇을 찾고 있을까?", "이 상품의 핵심 정보는 무엇일까?"와 같은 질문의 답을 함께 찾아가고 있어요. 그중에서도 특히 MLOps 기반의 운영 환경을 통해 모델이 서비스에 자연스럽게 녹아들 수 있도록 데이터 파이프라인 구축부터 모델 배포 및 서빙, 모니터링 시스템까지 전반을 책임지고 있어요. 최근에는 임베딩 기반 검색, LLM, 멀티모달 모델 등 최신 기술을 활용해 텍스트와 이미지를 동시에 이해할 수 있는 플랫폼으로 고도화하는 데에도 집중하고 있어요. 이렇게 데이터 사이언스팀은 데이터로 문제를 정의하고, 모델로 해석하며, 이를 안정적으로 서비스에 연결하는 과정을 통해 카카오스타일의 지능적인 쇼핑 경험을 함께 만들어가는 팀이에요. 🔎 우리 팀이 더 궁금하다면? "AI 추천 검색 더 정교하게"...카카오스타일, 맞춤형 쇼핑 메이트로 진화 (

https://www.ajunews.com/view/20250527140214328

) Amazon SageMaker 분산 훈련을 활용한 카테고리 자동 분류 시스템 모델 구축 사례 (

https://share.google/VPvAm4ZKhWNohOZNg

) 카카오스타일, AI에 일감 더준다 (

https://www.etnews.com/20241122000201

) AI가 뽑은 내 OOTD 카카오스타일의 개인화 패션 큐레이션 비하인드 (

https://www.youtube.com/watch?v=NuOvpBwC00w

) 생성형 AI 기반 리뷰 검수 자동화 및 맞춤형 체형 상품 추천 (

https://www.youtube.com/watch?v=6kpME4adnYQ

)

[다음 업무를 통해 목표를 달성해요] • 카카오스타일 서비스 전반의 ML 모델이 안정적으로 운영되도록 확장 가능한 ML 인프라를 설계하고 지속적으로 고도화해요. • 대규모 데이터 환경에서 데이터 수집부터 전처리, 모델 학습, 배포, 서빙까지 이어지는 ML • 파이프라인을 설계하고 자동화하여 운영의 효율성과 실험 재현성을 높여요. • 실시간/배치 환경에서 발생하는 데이터 흐름을 안정적으로 처리하고, 트래픽 변화에 유연하게 대응할 수 있도록 데이터 아키텍처를 최적화해요. • 서비스 안정성 확보를 위해 모델 버전 관리와 롤백 전략이 포함된 체계적인 배포 프로세스를 수립해요. • 모델 성능 저하나 데이터 드리프트를 빠르게 감지할 수 있도록 지능형 모니터링 및 알림 체계를 구축해요. • 데이터 사이언티스트, 데이터 엔지니어, 백엔드 개발자 등 다양한 직군의 크루들과 긴밀하게 협업하며 모델이 실제 서비스 임팩트로 이어질 수 있도록 기술적 접점을 관리해요. 💌 어떤 성장을 기대할 수 있나요? 추천, 검색, NLP/CV 등 다양한 도메인의 모델이 실제 서비스에 적용되는 환경에서 ML 시스템의 전체 라이프사이클을 End-to-End로 경험할 수 있어요. 대규모 트래픽 속에서 ML 인프라를 직접 설계하고 운영하며, 서비스 품질에 직결되는 기술적 의사결정에도 주도적으로 참여할 수 있어요. 또한 반복적인 실험과 배포를 효율화하는 파이프라인 설계 및 플랫폼화 과정에 깊이 관여하며 조직 전체의 생산성을 높이는 기반을 만들어가요. 이렇듯 모델 성능을 넘어 서비스 관점에서 시스템을 최적화하는 과정을 통해 탄탄한 엔지니어링 역량을 자연스럽게 확장할 수 있어요.

[이런 분과 함께하고 싶어요] • ML 모델 배포 및 운영(MLOps) 분야에서 5년 이상의 경력 혹은 이에 준하는 역량을 보유하신 분 • Kafka, Airflow, Spark 등을 활용해 대규모 데이터 처리 및 파이프라인을 직접 구축하고 운영해 본 경험이 있으신 분 • MLflow, Kubeflow 등 ML 플랫폼을 활용한 실험 관리 및 모델 배포 경험이 있으신 분 • 데이터 수집 - 전처리 - 학습 - 배포 - 서빙까지 이어지는 ML 파이프라인을 구축하고 자동화해 본 경험이 있으신 분 • 실시간 데이터 처리 환경에서 배압(Backpressure)을 고려한 안정적인 스트리밍 처리 구조에 대한 이해 또는 운영 경험이 있으신 분 • 대규모 트래픽 환경에서 확장성과 안정성을 고려한 인프라와 시스템 설계 경험이 있으신 분 • Python을 기반으로 데이터 처리 및 ML 워크플로우를 개발해 본 경험이 있으신 분

[이런 분이라면 더욱 환영해요] • 실시간 데이터 처리 환경에서 스트리밍 처리 구조(Kafka 기반 등) 설계 및 운영 경험이 있으신 분 • 모델 성능 저하, 데이터 드리프트 등 운영 이슈를 탐지하고 모니터링 및 알림 체계를 구축해 본 경험이 있으신 분 • 모델 서빙 환경에서 Latency, Throughput, 비용 효율성 등을 개선해 본 경험이 있으신 분 • ML 플랫폼 또는 내부 도구를 설계·개발하여 조직의 생산성을 향상시킨 경험이 있으신 분 • CI/CD 기반의 ML 배포 자동화 및 실험-운영 연결 프로세스를 고도화해 본 경험이 있으신 분 • LLM 또는 멀티모달 모델을 실제 서비스 환경에서 운영해 본 경험이 있으신 분 • 추천, 검색, NLP/CV 등 특정 도메인에서 모델과 서비스 운영을 함께 고려해 문제를 해결해 본 경험이 있으신 분 • Databricks 등 데이터 플랫폼 사용 경험이 있으신 분 • 데이터 엔지니어링 또는 인프라(SRE/DevOps) 경험을 통해 인프라에 대한 이해도가 있으신 분

[서류는 이런 내용을 담아 제출해주시면 좋아요] • 카카오스타일의 지원 서류는 국문 이력서(자유 양식)로 제출해주세요. • 예비 크루님이 여태까지 해오셨던 업무, 프로젝트 등 역량이 잘 드러날 수 있도록 작성해주세요. [합류 여정은 다음과 같아요] • 서류 전형 ＞ 1차 인터뷰(화상) ＞ 2차 인터뷰(대면) ＞ 레퍼런스 체크 ＞ 처우 협의 ＞ 최종합격 및 입사 • 전형 과정 중 추가 인터뷰가 진행될 수 있어요. • 채용 프로세스 기간은 후보자 및 포지션 별로 상이하며, 최종합격 시 처우 협의와 함께 입사일을 조율해요.

[지원하시기 전 확인해주세요!] • 해당 공고는 상시 채용으로, 채용 완료 시 조기 마감될 수 있어요. • 여러 공고에 동시 지원은 불가하며, 동일 공고에 대한 재지원은 불합격 결과를 받은 뒤 최소 6개월 이후 가능해요. • 이력서 및 제출 서류에 허위 사실이 확인된 경우, 합격 및 채용 취소가 될 수 있어요. • 입사 후 3개월의 수습기간이 적용되며, 이 기간 동안 급여와 고용형태의 변화는 없으니 안심하고 지원해주세요. • 지원 관련 문의 사항이 있을 경우 FAQ 확인 또는 리크루팅팀(

[email protected]

)으로 문의주세요.