[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]
추천엔지니어링팀은 무신사, 29CM, 글로벌 무신사 등 팀 무신사의 다양한 서비스에서 개인화 추천 경험을 책임지고 있습니다. 패션이라는 도메인에서 사용자의 취향을 이해하고 예측하는 것은 단순한 기술 문제를 넘어 비즈니스 성과와 직결되는 핵심 과제입니다. 우리 팀은 데이터사이언티스트, 머신러닝 엔지니어, 백엔드 엔지니어가 한 팀에서 긴밀하게 협업하며 추천 알고리즘 연구개발부터 프로덕션 적용, 성과 측정까지 전 과정을 함께 수행합니다. 단순히 모델을 만드는 것을 넘어, 실제 서비스에서 사용자에게 가치를 전달하고 비즈니스 임팩트를 만드는 것이 우리의 목표입니다.
[담당 업무]
- 무신사, 29CM 등 팀 무신사 플랫폼의 개인화 추천 알고리즘을 연구하고 개발합니다.
- 유저 행동 로그, 상품 메타데이터, 이미지, 텍스트 등 다양한 데이터를 분석하고 추천 모델에 활용할 피처를 설계합니다.
- 추천 모델의 성능을 측정하기 위한 오프라인/온라인 평가 지표를 정의하고, A/B 테스트를 설계 및 분석합니다.
- LLM, 그래프 기반 추천, 멀티모달 임베딩 등 최신 딥러닝 기법을 추천 시스템에 적용하고 실험합니다.
- 추천 모델의 프로덕션 적용을 위해 ML 엔지니어와 협업하여 모델 경량화, 최적화 등을 수행합니다.
- 추천 시스템의 비즈니스 임팩트를 측정하고 지속적인 개선 방향을 제시합니다.
[자격 요건]
- 추천시스템, 검색랭킹, 또는 유사한 ML 문제에 대한 연구개발 경험 4년 이상 혹은 이에 준하는 역량을 보유하신 분
- Python을 활용한 데이터 분석 및 머신러닝 모델 개발에 능숙하신 분
- 대규모 유저 행동 데이터를 다뤄본 경험이 있으며, SQL을 활용한 데이터 추출 및 가공이 가능하신 분
- 추천시스템 관련 주요 논문(Two-Tower, BERT4Rec, GNN-based RecSys 등)을 이해하고 구현해본 경험이 있으신 분
[기술 스택]
- ML/Deep Learning: PyTorch, TensorFlow, HuggingFace
- Data Analysis: Python (Pandas, NumPy), SQL, Jupyter Notebook
- Data Platform: BigQuery, Databricks, Airflow, Kafka
- Collaboration: Git, Jira, Confluence, Slack
[우대 사항]
- 실제 프로덕션 환경에 추천 모델을 배포하고 성과를 측정한 경험이 있으신 분
- 대규모 트래픽 환경에서 콜드 스타트, 탐색-활용 딜레마 등 실제 추천 문제를 해결한 경험이 있으신 분
- 추천시스템 관련 Top-tier 학회(RecSys, KDD, WWW, SIGIR 등) 논문 게재 경험이 있으신 분
- 패션/커머스 도메인 이해도가 높거나 관련 경험이 있으신 분
[이런 경험을 하실 수 있어요]
- 국내 최대 규모의 패션 커머스 데이터를 활용하여 추천 알고리즘을 연구하고 개발합니다. 수천만 유저의 행동 패턴과 수백만 개의 상품 데이터를 다루며 대규모 추천 시스템의 전문성을 쌓을 수 있습니다.
- 단순히 논문을 읽고 실험하는 것을 넘어, 실제 서비스에 적용하고 A/B 테스트를 통해 비즈니스 임팩트를 검증하는 End-to-End 경험을 할 수 있습니다. 연구와 현업이 분리되지 않은 환경에서 일합니다.
- LLM 기반 추천, 그래프 뉴럴 네트워크, 멀티모달 임베딩 등 최신 추천 기술을 실제 프로덕션 환경에 적용해볼 수 있습니다. 무신사·29CM·글로벌 무신사 등 여러 플랫폼을 대상으로 다양한 문제를 해결합니다.
- 콜드 스타트, 롱테일 상품 노출, 다양성과 정확도의 트레이드오프 등 실제 서비스에서 마주하는 추천 시스템의 고전적이면서도 도전적인 문제들을 해결합니다.
- ML 엔지니어와 긴밀하게 협업하며 자신이 개발한 모델이 실시간으로 수백만 유저에게 서빙되는 경험을 합니다. 모델의 성능뿐 아니라 latency, throughput 등 프로덕션 환경의 제약 조건을 고려하는 법을 배웁니다.
[지원 서류]
- 이력서 / 포트폴리오 (선택)
- (참고) 이력서/포트폴리오 작성 팁
이력서/포트폴리오에는 왜 해당 문제를 해결해야 했는지, 어떤 전략을 세웠는지, 어떤 성과가 있었는지 등에 대한 문제 정의, 문제 해결, 성과에 대한 전반적인 내용을 담아주세요. 프로젝트의 성공과 실패를 떠나, 1차 면접에서 인터뷰어와 심도있는 이야기를 나눌 수 있도록 프로젝트의 이해도가 높은 이력서로 구성해주세요. (프로젝트별 기여도 표시)
[근무 조건]
- 정규직
[전형 절차]
- 접수 기간 : 상시지원
- 전형 절차 : 서류 전형 - 1차 인터뷰 - 2차 인터뷰 - 3차 인터뷰 - 처우 협의 - 최종합격
- 문의사항 : [email protected]
[기타사항]
- 본 포지션은 수시 진행으로 우수 인재 채용 시 마감될 수 있습니다.
- 적합한 지원자에게 채용 담당자가 개별 연락 예정이며, 내부 규정에 따라 각 전형 단계별 개별 피드백은 제공하지 않습니다.
- 최종 합격자는 3개월간의 수습기간이 적용되며, 해당 기간 중 급여는 100% 지급됩니다.
- 입사 지원 서류에 허위사실이 발견될 경우, 채용 확정 이후라도 채용이 취소될 수 있습니다.
[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]
추천엔지니어링팀은 무신사, 29CM, 글로벌 무신사 등 팀 무신사의 다양한 서비스에서 개인화 추천 경험을 책임지고 있습니다. 패션이라는 도메인에서 사용자의 취향을 이해하고 예측하는 것은 단순한 기술 문제를 넘어 비즈니스 성과와 직결되는 핵심 과제입니다. 우리 팀은 데이터사이언티스트, 머신러닝 엔지니어, 백엔드 엔지니어가 한 팀에서 긴밀하게 협업하며 추천 알고리즘 연구개발부터 프로덕션 적용, 성과 측정까지 전 과정을 함께 수행합니다. 단순히 모델을 만드는 것을 넘어, 실제 서비스에서 사용자에게 가치를 전달하고 비즈니스 임팩트를 만드는 것이 우리의 목표입니다.
[담당 업무]
- 무신사, 29CM 등 팀 무신사 플랫폼의 개인화 추천 알고리즘을 연구하고 개발합니다.
- 유저 행동 로그, 상품 메타데이터, 이미지, 텍스트 등 다양한 데이터를 분석하고 추천 모델에 활용할 피처를 설계합니다.
- 추천 모델의 성능을 측정하기 위한 오프라인/온라인 평가 지표를 정의하고, A/B 테스트를 설계 및 분석합니다.
- LLM, 그래프 기반 추천, 멀티모달 임베딩 등 최신 딥러닝 기법을 추천 시스템에 적용하고 실험합니다.
- 추천 모델의 프로덕션 적용을 위해 ML 엔지니어와 협업하여 모델 경량화, 최적화 등을 수행합니다.
- 추천 시스템의 비즈니스 임팩트를 측정하고 지속적인 개선 방향을 제시합니다.
[자격 요건]
- 추천시스템, 검색랭킹, 또는 유사한 ML 문제에 대한 연구개발 경험 4년 이상 혹은 이에 준하는 역량을 보유하신 분
- Python을 활용한 데이터 분석 및 머신러닝 모델 개발에 능숙하신 분
- 대규모 유저 행동 데이터를 다뤄본 경험이 있으며, SQL을 활용한 데이터 추출 및 가공이 가능하신 분
- 추천시스템 관련 주요 논문(Two-Tower, BERT4Rec, GNN-based RecSys 등)을 이해하고 구현해본 경험이 있으신 분
[기술 스택]
- ML/Deep Learning: PyTorch, TensorFlow, HuggingFace
- Data Analysis: Python (Pandas, NumPy), SQL, Jupyter Notebook
- Data Platform: BigQuery, Databricks, Airflow, Kafka
- Collaboration: Git, Jira, Confluence, Slack
[우대 사항]
- 실제 프로덕션 환경에 추천 모델을 배포하고 성과를 측정한 경험이 있으신 분
- 대규모 트래픽 환경에서 콜드 스타트, 탐색-활용 딜레마 등 실제 추천 문제를 해결한 경험이 있으신 분
- 추천시스템 관련 Top-tier 학회(RecSys, KDD, WWW, SIGIR 등) 논문 게재 경험이 있으신 분
- 패션/커머스 도메인 이해도가 높거나 관련 경험이 있으신 분
[이런 경험을 하실 수 있어요]
- 국내 최대 규모의 패션 커머스 데이터를 활용하여 추천 알고리즘을 연구하고 개발합니다. 수천만 유저의 행동 패턴과 수백만 개의 상품 데이터를 다루며 대규모 추천 시스템의 전문성을 쌓을 수 있습니다.
- 단순히 논문을 읽고 실험하는 것을 넘어, 실제 서비스에 적용하고 A/B 테스트를 통해 비즈니스 임팩트를 검증하는 End-to-End 경험을 할 수 있습니다. 연구와 현업이 분리되지 않은 환경에서 일합니다.
- LLM 기반 추천, 그래프 뉴럴 네트워크, 멀티모달 임베딩 등 최신 추천 기술을 실제 프로덕션 환경에 적용해볼 수 있습니다. 무신사·29CM·글로벌 무신사 등 여러 플랫폼을 대상으로 다양한 문제를 해결합니다.
- 콜드 스타트, 롱테일 상품 노출, 다양성과 정확도의 트레이드오프 등 실제 서비스에서 마주하는 추천 시스템의 고전적이면서도 도전적인 문제들을 해결합니다.
- ML 엔지니어와 긴밀하게 협업하며 자신이 개발한 모델이 실시간으로 수백만 유저에게 서빙되는 경험을 합니다. 모델의 성능뿐 아니라 latency, throughput 등 프로덕션 환경의 제약 조건을 고려하는 법을 배웁니다.
[지원 서류]
- 이력서 / 포트폴리오 (선택)
- (참고) 이력서/포트폴리오 작성 팁
이력서/포트폴리오에는 왜 해당 문제를 해결해야 했는지, 어떤 전략을 세웠는지, 어떤 성과가 있었는지 등에 대한 문제 정의, 문제 해결, 성과에 대한 전반적인 내용을 담아주세요. 프로젝트의 성공과 실패를 떠나, 1차 면접에서 인터뷰어와 심도있는 이야기를 나눌 수 있도록 프로젝트의 이해도가 높은 이력서로 구성해주세요. (프로젝트별 기여도 표시)
[근무 조건]
- 정규직
[전형 절차]
- 접수 기간 : 상시지원
- 전형 절차 : 서류 전형 - 1차 인터뷰 - 2차 인터뷰 - 3차 인터뷰 - 처우 협의 - 최종합격
- 문의사항 : [email protected]
[기타사항]
- 본 포지션은 수시 진행으로 우수 인재 채용 시 마감될 수 있습니다.
- 적합한 지원자에게 채용 담당자가 개별 연락 예정이며, 내부 규정에 따라 각 전형 단계별 개별 피드백은 제공하지 않습니다.
- 최종 합격자는 3개월간의 수습기간이 적용되며, 해당 기간 중 급여는 100% 지급됩니다.
- 입사 지원 서류에 허위사실이 발견될 경우, 채용 확정 이후라도 채용이 취소될 수 있습니다.