무신사는 패션 시장의 판도를 바꾸며 빠르게 성장하는 패션 버티컬 서비스 기업입니다. 사람들이 자신의 취향에 맞는 개성을 찾을 수 있도록 다양한 패션 스타일을 제시하고, 국내외 패션 브랜드가 더욱 매력적으로 보일 수 있도록 브랜드 정체성과 상품 가치를 멋지고 흥미롭게 소개합니다. 또한 누구나 시간과 장소에 구애 받지 않고 패션 브랜드를 즐길 수 있도록 데이터와 기술을 활용한 개인화된 쇼핑 경험으로 제공하며 패션 비즈니스의 혁신을 만들고 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, 테크 조직의 전체 인원을 약 1.5배 까지 확대해 나갈 예정입니다. 이러한 비전 아래, 무신사 테크는 끊임없는 도전과 혁신으로 고객에게 더 나은 가치를 제공하고자 합니다.
[무신사 테크가 일하는 방식]
- 고객의 경험을 최우선합니다.
- 고객의 니즈를 이해하고, 그들의 경험을 개선하기 위해 노력합니다. 사용자가 직면하는 문제를 해결하고 사용성을 향상시키는 것이 핵심 목표입니다.
- 비즈니스 임팩트를 지향합니다.
- 비즈니스 요구사항을 이해하고 이를 기술적으로 해결하는 것에 집중합니다. 새로운 기술을 도입하는 것도 중요하지만, 기존 시스템의 안정성과 성능을 유지하면서 비즈니스 목표를 달성하는 데 집중합니다.
- 새로운 제안은 되도록 먼저 시도하고 회고합니다.
- 새로운 아이디어나 기술적인 변화를 빠르게 테스트하고, 실험을 통해 효과를 검증합니다. 실패를 두려워하지 않고, 실패로부터 배우며 지속적으로 성장합니다.
- 서로 간의 신뢰 기반으로 자유롭게 결정합니다.
- 팀 내에서 서로를 신뢰하고, 각자의 역할과 책임을 인정하며 일합니다. 문제가 발생했을 때는 개방적으로 의견을 나누고 해결책을 찾아냅니다.
- 업무 효율성을 추구합니다.
- 업무 효율성을 높이기 위해 지속적으로 개선하고, 효율적인 도구나 프로세스를 도입합니다. 효율적인 개발 방법을 고민하며, 코드의 품질과 유지보수성을 고려하여 작업합니다.
[팀 소개]
Machine Learning Engineer (추천ML)는 다양한 추천 ML 모델을 설계, 구현, 최적화하여 비즈니스 임팩트를 극대화하는 핵심 역할을 맡습니다. 단순히 모델을 개발하는 것을 넘어, 고도화된 알고리즘을 연구하고, 실험을 주도하며, 이를 실서비스에 안정적으로 적용하는 데 집중합니다. 이를 위해 대규모 데이터 처리, 모델 성능 개선, 실험 설계 및 평가에 대한 깊은 이해가 필요하며, 팀원들에게 인사이트를 제공하고 협업을 이끌어가는 리더십 또한 중요합니다.
팀 무신사 추천 ML 서비스의 성장을 견인하고, 팀의 다음 단계로의 도약을 위해 이 여정을 함께할 능동적이고 깊이 있는 문제 해결자를 찾고 있습니다.
[담당업무]
시니어 머신러닝 엔지니어로서, 다음과 같은 역할을 수행하게 됩니다.
- 추천 시스템 아키텍처 고도화: 대규모 커머스 데이터에 기반한 고성능 추천 시스템 설계 및 구현
- 머신러닝 모델 개발 및 개선: 최신 알고리즘과 연구를 활용해 개인화된 추천 정확도 및 효율성을 개선하여 비즈니스 임팩트를 극대화
- 데이터 분석 및 피처 엔지니어링: 사용자 행동, 상품 메타데이터, 로그 등을 분석하여 모델 성능을 향상시킬 새로운 피처 발굴
- 실험 설계 및 검증: A/B 테스트 및 온라인 실험을 통해 모델 성능을 검증하고 비즈니스 임팩트를 평가
- 크로스팀 협업: 데이터 플랫폼, MLOps, 엔지니어링 팀과 협력해 모델의 프로덕션 환경 배포 및 성능 모니터링
- 기술 리더십: 주니어 엔지니어 멘토링 및 팀의 기술 방향성 설정
[지원자격]
- 추천 시스템 및 머신러닝 모델 개발 경력 5년 이상
- 머신러닝 라이브러리 및 프레임워크(PyTorch, Scikit-learn 등) 활용에 능숙 하신 분
- 최신 추천 알고리즘 관련 논문 이해 및 구현 경험이 있으신 분
- A/B 테스트 및 온라인 실험 설계/분석 경험이 있으신 분
- 문제 해결 능력 및 복잡한 시스템 설계 경험이 있으신 분
- 클라우드 플랫폼 경험 (AWS, GCP)이 있으신 분
[우대사항]
- Kinesis 또는 Kafka를 활용한 실시간 추천 서비스 개발 및 운영 경험이 있으신 분
- 커머스 도메인 경험 및 사용자 행동 데이터 분석 경험이 있으신 분
- Kubernetes상에서 ML/AI 인프라 및 MLOps 구축 관련 경험이 있으신 분
- (모델 서빙, 모니터링, 파이프라인 자동화 등)
- 최신 기술을 추천에 활용한 경험이 있으신 분
- (Knowledge Graph, Context-Aware Recommendation, BERT, LLM 등)
- 오픈소스 프로젝트 참여 경험이 있으신 분
- MongoDB 또는 DynamoDB 관련 경험이 있으신 분
- 석사/박사 학위 (컴퓨터 과학, 데이터 과학, 통계학, 관련 분야)
[지원 서류]
- 이력서(필수) / 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)
[근무조건]
- 정규직
[전형절차]
- 접수 기간 : 상시지원
- 전형 절차 : 서류 전형 - 과제전형 - 1차 인터뷰 - 2차 인터뷰 - 처우 협의 - 최종합격
- 문의사항 : [email protected]
[혜택 및 복지]
<근무환경>
- 선택적 근로시간제 적용 (월 소정 근로시간 내 유연근무, 코어타임: 11-16시)
- 매월 마지막 주 금요일 4시간만 근무하는 Early Friday 제도 운영
- 자율 복장 근무 (슬리퍼부터 정장까지 자유롭게 입는 문화)
- 직급 없이 ‘님’으로 소통
<사내지원>
- 업무에 필요한 모든 물품(MRO) 지원, 최고급 사양의 업무장비 및 허먼밀러 의자 지원
- 사내 식당 ‘모락모락’(조식/중식/석식/To-go Bag) 운영
- 사내카페 ’아즈니섬’ 운영 (임직원 55%할인)
- 사내 건강관리실 ‘CLINIC’ 운영 (휴식, 기본 의약품 제공, 인바디/혈압 측정 지원)
※ 진단이 필요하거나 의료인만 지급할 수 있는 의약품은 지급되지 않습니다.
<생활지원>
- 연 350만 복지 포인트 지급 : 복지카드와 연동하여 온/오프라인에서 자유롭게 사용 가능합니다.
- 임직원의 결혼자금, 주택자금, 의료비에 한해 사내 대출 지원 및 은행 금리 지원 (근속기간에 따라 지원 금액 일부 상이)
- 자녀의 초등학교 입학 시 50만원 축하금 지원, 대학등록금 학기마다 150만원 지원
- 경조휴가 및 경조금 지원
<스토어 혜택>
- 무신사/29CM/솔드아웃에서 자유롭게 쇼핑할 수 있도록 지원해드립니다.
- 쇼핑 지원금: 매월 10만원 지원
- 생일 축하 지원금: 해당 월 20만원 지원
- 매월 할인 쿠폰 지원 (무신사 최대 40% 상품 쿠폰 7장, 29CM 20% 장바구니 쿠폰 5장)
< 건강/휴식>
- 연 1회 건강검진, 연 10회 심리상담 지원
- 휴가는 1일(8시간), 0.5일(4시간), 0.25일(2시간)으로 유연하게 사용 가능
- 단체 상해보험 지원(본인/배우자/자녀)
- 장기 근속 년수에 따라 추가 리프레쉬 휴가 및 휴가비(복지포인트) 제공
- 3년/6년/9년/12년 만근 시 7일/14일/21일/28일의 리프레쉬 휴가와 50만원/100만원/150만원/200만원 휴가비(복지포인트) 제공
*상기 사항은 근무 기간 및 시점에 따라 일부 변경될 수 있습니다.
[기타사항]
- 본 채용은 수시 진행으로 우수 인재 채용 시 마감될 수 있습니다.
- 최종 합격자는 3개월간의 수습기간이 적용되며, 해당 기간 중 급여는 100% 지급됩니다.
- 입사지원 서류에 허위사실이 발견될 경우, 채용확정 이후라도 채용이 취소될 수 있습니다.
무신사는 패션 시장의 판도를 바꾸며 빠르게 성장하는 패션 버티컬 서비스 기업입니다. 사람들이 자신의 취향에 맞는 개성을 찾을 수 있도록 다양한 패션 스타일을 제시하고, 국내외 패션 브랜드가 더욱 매력적으로 보일 수 있도록 브랜드 정체성과 상품 가치를 멋지고 흥미롭게 소개합니다. 또한 누구나 시간과 장소에 구애 받지 않고 패션 브랜드를 즐길 수 있도록 데이터와 기술을 활용한 개인화된 쇼핑 경험으로 제공하며 패션 비즈니스의 혁신을 만들고 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, 테크 조직의 전체 인원을 약 1.5배 까지 확대해 나갈 예정입니다. 이러한 비전 아래, 무신사 테크는 끊임없는 도전과 혁신으로 고객에게 더 나은 가치를 제공하고자 합니다.
[무신사 테크가 일하는 방식]
- 고객의 경험을 최우선합니다.
- 고객의 니즈를 이해하고, 그들의 경험을 개선하기 위해 노력합니다. 사용자가 직면하는 문제를 해결하고 사용성을 향상시키는 것이 핵심 목표입니다.
- 비즈니스 임팩트를 지향합니다.
- 비즈니스 요구사항을 이해하고 이를 기술적으로 해결하는 것에 집중합니다. 새로운 기술을 도입하는 것도 중요하지만, 기존 시스템의 안정성과 성능을 유지하면서 비즈니스 목표를 달성하는 데 집중합니다.
- 새로운 제안은 되도록 먼저 시도하고 회고합니다.
- 새로운 아이디어나 기술적인 변화를 빠르게 테스트하고, 실험을 통해 효과를 검증합니다. 실패를 두려워하지 않고, 실패로부터 배우며 지속적으로 성장합니다.
- 서로 간의 신뢰 기반으로 자유롭게 결정합니다.
- 팀 내에서 서로를 신뢰하고, 각자의 역할과 책임을 인정하며 일합니다. 문제가 발생했을 때는 개방적으로 의견을 나누고 해결책을 찾아냅니다.
- 업무 효율성을 추구합니다.
- 업무 효율성을 높이기 위해 지속적으로 개선하고, 효율적인 도구나 프로세스를 도입합니다. 효율적인 개발 방법을 고민하며, 코드의 품질과 유지보수성을 고려하여 작업합니다.
[팀 소개]
Machine Learning Engineer (추천ML)는 다양한 추천 ML 모델을 설계, 구현, 최적화하여 비즈니스 임팩트를 극대화하는 핵심 역할을 맡습니다. 단순히 모델을 개발하는 것을 넘어, 고도화된 알고리즘을 연구하고, 실험을 주도하며, 이를 실서비스에 안정적으로 적용하는 데 집중합니다. 이를 위해 대규모 데이터 처리, 모델 성능 개선, 실험 설계 및 평가에 대한 깊은 이해가 필요하며, 팀원들에게 인사이트를 제공하고 협업을 이끌어가는 리더십 또한 중요합니다.
팀 무신사 추천 ML 서비스의 성장을 견인하고, 팀의 다음 단계로의 도약을 위해 이 여정을 함께할 능동적이고 깊이 있는 문제 해결자를 찾고 있습니다.
[담당업무]
시니어 머신러닝 엔지니어로서, 다음과 같은 역할을 수행하게 됩니다.
- 추천 시스템 아키텍처 고도화: 대규모 커머스 데이터에 기반한 고성능 추천 시스템 설계 및 구현
- 머신러닝 모델 개발 및 개선: 최신 알고리즘과 연구를 활용해 개인화된 추천 정확도 및 효율성을 개선하여 비즈니스 임팩트를 극대화
- 데이터 분석 및 피처 엔지니어링: 사용자 행동, 상품 메타데이터, 로그 등을 분석하여 모델 성능을 향상시킬 새로운 피처 발굴
- 실험 설계 및 검증: A/B 테스트 및 온라인 실험을 통해 모델 성능을 검증하고 비즈니스 임팩트를 평가
- 크로스팀 협업: 데이터 플랫폼, MLOps, 엔지니어링 팀과 협력해 모델의 프로덕션 환경 배포 및 성능 모니터링
- 기술 리더십: 주니어 엔지니어 멘토링 및 팀의 기술 방향성 설정
[지원자격]
- 추천 시스템 및 머신러닝 모델 개발 경력 5년 이상
- 머신러닝 라이브러리 및 프레임워크(PyTorch, Scikit-learn 등) 활용에 능숙 하신 분
- 최신 추천 알고리즘 관련 논문 이해 및 구현 경험이 있으신 분
- A/B 테스트 및 온라인 실험 설계/분석 경험이 있으신 분
- 문제 해결 능력 및 복잡한 시스템 설계 경험이 있으신 분
- 클라우드 플랫폼 경험 (AWS, GCP)이 있으신 분
[우대사항]
- Kinesis 또는 Kafka를 활용한 실시간 추천 서비스 개발 및 운영 경험이 있으신 분
- 커머스 도메인 경험 및 사용자 행동 데이터 분석 경험이 있으신 분
- Kubernetes상에서 ML/AI 인프라 및 MLOps 구축 관련 경험이 있으신 분
- (모델 서빙, 모니터링, 파이프라인 자동화 등)
- 최신 기술을 추천에 활용한 경험이 있으신 분
- (Knowledge Graph, Context-Aware Recommendation, BERT, LLM 등)
- 오픈소스 프로젝트 참여 경험이 있으신 분
- MongoDB 또는 DynamoDB 관련 경험이 있으신 분
- 석사/박사 학위 (컴퓨터 과학, 데이터 과학, 통계학, 관련 분야)
[지원 서류]
- 이력서(필수) / 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)
[근무조건]
- 정규직
[전형절차]
- 접수 기간 : 상시지원
- 전형 절차 : 서류 전형 - 과제전형 - 1차 인터뷰 - 2차 인터뷰 - 처우 협의 - 최종합격
- 문의사항 : [email protected]
[혜택 및 복지]
<근무환경>
- 선택적 근로시간제 적용 (월 소정 근로시간 내 유연근무, 코어타임: 11-16시)
- 매월 마지막 주 금요일 4시간만 근무하는 Early Friday 제도 운영
- 자율 복장 근무 (슬리퍼부터 정장까지 자유롭게 입는 문화)
- 직급 없이 ‘님’으로 소통
<사내지원>
- 업무에 필요한 모든 물품(MRO) 지원, 최고급 사양의 업무장비 및 허먼밀러 의자 지원
- 사내 식당 ‘모락모락’(조식/중식/석식/To-go Bag) 운영
- 사내카페 ’아즈니섬’ 운영 (임직원 55%할인)
- 사내 건강관리실 ‘CLINIC’ 운영 (휴식, 기본 의약품 제공, 인바디/혈압 측정 지원)
※ 진단이 필요하거나 의료인만 지급할 수 있는 의약품은 지급되지 않습니다.
<생활지원>
- 연 350만 복지 포인트 지급 : 복지카드와 연동하여 온/오프라인에서 자유롭게 사용 가능합니다.
- 임직원의 결혼자금, 주택자금, 의료비에 한해 사내 대출 지원 및 은행 금리 지원 (근속기간에 따라 지원 금액 일부 상이)
- 자녀의 초등학교 입학 시 50만원 축하금 지원, 대학등록금 학기마다 150만원 지원
- 경조휴가 및 경조금 지원
<스토어 혜택>
- 무신사/29CM/솔드아웃에서 자유롭게 쇼핑할 수 있도록 지원해드립니다.
- 쇼핑 지원금: 매월 10만원 지원
- 생일 축하 지원금: 해당 월 20만원 지원
- 매월 할인 쿠폰 지원 (무신사 최대 40% 상품 쿠폰 7장, 29CM 20% 장바구니 쿠폰 5장)
< 건강/휴식>
- 연 1회 건강검진, 연 10회 심리상담 지원
- 휴가는 1일(8시간), 0.5일(4시간), 0.25일(2시간)으로 유연하게 사용 가능
- 단체 상해보험 지원(본인/배우자/자녀)
- 장기 근속 년수에 따라 추가 리프레쉬 휴가 및 휴가비(복지포인트) 제공
- 3년/6년/9년/12년 만근 시 7일/14일/21일/28일의 리프레쉬 휴가와 50만원/100만원/150만원/200만원 휴가비(복지포인트) 제공
*상기 사항은 근무 기간 및 시점에 따라 일부 변경될 수 있습니다.
[기타사항]
- 본 채용은 수시 진행으로 우수 인재 채용 시 마감될 수 있습니다.
- 최종 합격자는 3개월간의 수습기간이 적용되며, 해당 기간 중 급여는 100% 지급됩니다.
- 입사지원 서류에 허위사실이 발견될 경우, 채용확정 이후라도 채용이 취소될 수 있습니다.