AI가 이 공고를 요약해드릴게요!
토스에서 Home 추천 모델을 개발하고 개선할 ML Engineer를 채용합니다. 사용자 행동 기반의 추천 시스템 설계 및 성능 개선 경험과 주요 ML 프레임워크 활용 능력이 요구됩니다.
반복적인 실험과 데이터 분석을 통해 서비스 성과를 개선한 경험을 중요하게 생각합니다.
- 조직소개
- MLE (Home 추천)은 토스의 Home Tribe에서 앱 내 다양한 콘텐츠, 서비스, 프로모션, 메시지의 추천 전략을 머신러닝 기반으로 최적화하는 역할을 해요.
- 토스 홈 상단, 송금 완료 후 배너, 푸시 메시지 등 사용자와의 다양한 접점에서 어떤 콘텐츠가 어떤 맥락에서 효과적인지를 정교하게 모델링하고, 실제 추천 결과를 지속적으로 개선하고 있어요.
- 다양한 영역의 추천 품질을 높이기 위해, 정량적 성과 예측과 정교한 노출 전략 설계에 집중하고 있어요.
- 토스 데이터 조직에 대해 더 알아보고 싶다면?→토스 Data Division 위키
- 업무내용
- 토스 앱의 여러 추천 인벤토리에서 노출되는 콘텐츠, 서비스, 프로모션을 위한 추천 모델을 설계, 개선해요.
- 사용자 행동, 시간, 맥락 등을 바탕으로 적절한 추천과 반응 예측(CTR 등)을 위한 모델을 설계해요.
- 추천 성능을 높이기 위한 피처 발굴, 실험 설계, 성능 평가 등의 반복적인 추천 시스템 개선 작업을 수행해요.
- 다양한 추천 영역과 푸시 메시지 등에 대해 유저 반응을 기반으로 노출 전략을 최적화하고, 실제 성과를 정량적으로 측정해요.
- 지원자격
- 추천 시스템, 랭킹, 개인화 모델링 등 사용자-콘텐츠 매칭 문제를 실무에서 다뤄본 경험이 있으신 분이 필요해요.
- CTR 예측, 사용자 반응 예측, 랭킹 모델링을 설계하고 실험해 본 경험이 있는 분이 필요해요.
- 사용자 행동 데이터를 활용한 피처 엔지니어링 및 모델 성능 개선 경험이 있는 분이 필요해요.
- PyTorch, TensorFlow, LightGBM 등 주요 ML 프레임워크를 활용한 실전 경험이 있는 분이 필요해요.
- 우대사항
- 반복적인 실험과 정량 분석을 통해 실제 서비스 성과를 개선한 경험이 있는 분이면 좋아요.
- 다양한 직군과의 협업 속에서도 문제를 명확히 정의하고 기술적으로 설명할 수 있는 분이면 좋아요.
- 전형절차
- 서류 접수 > 1차 직무 인터뷰 (코딩) > 2차 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격
- 1차 직무 인터뷰에서는 간단한 코딩 테스트, 이력 체크, ML 기초 지식 테스트가 진행될 예정이에요.
- 2차 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.