토스

ML Engineer [Commerce]

D-179/17(목) 23:59 마감816

경력

채용 유형

정규직

학력

학력무관

지역

정보 없음

주요 업무

커머스 추천 지면에서 사용자에게 보여줄 상품 후보를 찾고 정렬하는 리트리벌, 랭킹 모델을 설계하고 고도화해요. 사용자 행동, 상품 특성, 가격, 카테고리, 노출 위치, 세션 맥락 등 다양한 신호를 활용해 CTR, CVR 등 사용자 반응을 예측하는 모델을 개선해요. 예측 모델의 결과가 실제 추천 랭킹과 서빙 로직에 안정적으로 반영될 수 있도록 score calibration, 리랭킹, 다양성, 신선도, 탐색 전략을 설계해요. 상품 추천을 중심으로 광고나 프로모션 등 다양한 노출 요소가 함께 존재하는 지면에서 사용자 경험과 비즈니스 성과를 함께 고려한 랭킹, 블렌딩 전략을 개선해요. 추천 모델의 오프라인 성능뿐 아니라 클릭, 구매 전환, 탐색 깊이, 재방문, 매출 등 온라인 지표를 통해 실제 개선 효과를 검증해요. 모델 학습부터 피처 생성, 배치와 실시간 서빙, 모니터링, 실험 설계까지 추천 시스템이 프로덕션에서 안정적으로 동작하는 데 필요한 전 과정을 다뤄요. 팀 내 MLE, 데이터 분석가, 서버 엔지니어, 프로덕트 매니저와 함께 문제를 정의하고, 추천 모델의 개선이 실제 제품 임팩트로 이어지도록 만들어요.

자격 요건

대규모 추천, 검색, 피드 랭킹, 광고 랭킹 등 개인화된 노출 시스템에서 리트리벌부터 랭킹, 서빙, 실험까지 전체 흐름을 개선해 본 분을 찾고 있어요. 모델의 오프라인 성능 향상에 만족하지 않고, 반복적인 온라인 실험을 통해 실제 고객 경험과 비즈니스 지표를 개선하는 것을 목표로 하는 분이면 좋아요. 주어진 요구사항을 구현하는 데서 멈추지 않고, 추천 품질을 떨어뜨리는 병목이나 아직 정의되지 않은 기회를 스스로 찾아 해결해 나가는 분이면 좋아요. CTR, CVR 같은 단기 반응 지표뿐 아니라 구매 전환, 장기적인 사용자 만족, 상품 다양성, 탐색 경험까지 함께 고려해 의사결정할 수 있는 분이면 잘 맞아요. 특정 모델이나 프레임워크에 답을 고정하기보다, 문제의 성격과 시스템 제약에 맞는 현실적인 접근법을 선택할 수 있는 분을 찾고 있어요.

우대 사항

상품, 배너, 광고처럼 여러 유형의 콘텐츠를 하나의 지면에서 함께 랭킹하거나 블렌딩해 본 경험이 있다면 특히 좋아요.

채용 절차

서류 접수 > 프리인터뷰 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격

FOR BUSINESS

기업·교육기관 담당자라면?

월 8만 취준생에게 공고를 직접 등록하고, 배너 광고로 더 크게 알려보세요

주요 업무

자격 요건