[AI 메신저 개발/운영사] Machine Learning Engineer(SP068)

[Machine Learning Engineer - Speech]

• 다양한 LLM기반 실시간 네이티브 

   다국어 음성모델 학습

  - Input streaming이 가능한 Speech-to-Text, 

    turn detection 모델 학습

  - 상담에 최적화된 자연스러움이 뛰어난 

    Text-to-Speech 모델 학습

  - Function calling 능력이 뛰어난 AudioLLM 

    모델 학습

 • 음성 모델 학습 및 평가용 데이터 수집 및 전처리

  - 다양한 소스로부터 데이터 수집 및 퀄리티 관리

  - 전처리 과정 최적화로 다양한 데이터 레시피 실험

    수행

  - 평가용 내부 벤치마크 구축 및 개선

 • 음성 기반 상담 봇 시스템 개발

  - 학습된 모델을 배포하여 실 상담 서비스에 적용

  - 스트리밍 기반 LLM 추론 서버 개발

  - 음성 에이전트 성능 평가를 위한 벤치마크 구축

• 논문, 오픈소스를 활용 최신 연구 결과 수집, 정리

   및 팀 공유

[Machine Learning Engineer - Knowledge]

• 데이터 가공/적재 프로세스 설계 및 구현

  - 텍스트, 이미지, 테이블 등 멀티모달 데이터

    가공, 적재

  - PDF, 스프레드시트, 웹페이지 등 다양한 데이터 

    소스로부터의 데이터 적재 파이프라인 구현 및 운영

  - 텍스트, 이미지 임베딩 모델 학습 및 서빙

• 지식 검색 프로세스 설계 및 고도화

  - 사용자 질의에 알맞는 지식 검색 프로세스 설계

  - 검색 성능 평가 데이터셋 및 벤치마크 구축

  - 멀티모달 데이터 기반 에이전틱 서치 구현

• RAG 에이전트 시스템 개발 및 평가 프로세스 구축

  - RAG 에이전트 구조 설계 및 구현

  - LLM 기반 에이전트의 성능 메트릭 정의 및 

    평가 시스템 구축

  - 신규 제품 설계 및 PoC (Proof-of-concept)

• 학사 이상(컴퓨터 과학, 전자공학, 수학, 통계학 등 

   관련 전공자 우대. 석사 이상 우대)

• LLM 모델에 대한 구체적 이해 및 실제 학습 경험자

• 목표에 맞는 데이터 및 학습 레시피 구축 경험자

• 모호한 상황에서의 문제 정의, 액션 아이템 도출, 

   실행 및 평가 등 문제 해결 파이프라인을 반복적으로

   빠르게 수행 가능자

• Python 및 LLM 개발 관련 Library나 Platform

   (PyTorch, Hugging Face) 활용 능력보유자

• 대량의 데이터셋을 수집하고 정제한 경험자(우대)

• Audio LLM, Speech-to-Text, Text-to-Speech

   등 음성 모델 연구 혹은 개발 경험자(우대)

• Distributed Training 혹은 모델서빙 관련 경험 

   또는 이해도 보유자(우대)

    (DeepSpeed Zero, FSDP, vLLM, sglang 등)

• AI 주제의 논문을 작성해보시거나 오픈소스 및 

   경진대회 활동 경력자(우대)

• LLM 기반 AI 에이전트를 Production 레벨에서 

   구현/배포/운영해본 경험 보유자(우대)

• 데이터 엔지니어링 관련 경험 또는 이해도 보유자

   (우대) (Airflow, Flink, Kafka, Beam 등)