불러오는 중
FOR BUSINESS
월 8만 취준생에게 공고를 직접 등록하고, 배너 광고로 더 크게 알려보세요
FOR BUSINESS
월 8만 취준생에게 공고를 직접 등록하고, 배너 광고로 더 크게 알려보세요
토스
서울
경력
경력
채용 유형
정규직
학력
학력무관
지역
서울
토스 커머스의 Commerce Search Relevance Silo에 소속돼요. 유저 질의를 의미적으로 분석하는 것부터 최적의 상품을 찾아 정렬하는 것까지, 검색 파이프라인 전 단계를 함께 개선해 나가고 있어요. 하루 수십만 건의 질의가 들어오지만, 아직 적지 않은 검색이 유저가 원한 상품을 찾아주지 못해요. ML Engineer (검색 Relevance)는 검색의 가장 근본인 relevance, 즉 "이 상품이 이 질의에 정말 적합한가"를 판단하는 모델을 처음부터 끝까지 책임져요. 그렇게 "토스에서 검색하면 찾을 수 있다"를 당연하게 만들어요.
LLM Teacher 모델을 활용해 relevance 레이블을 설계하고, 이를 distillation한 Student 임베딩 모델을 학습시켜요. 이 모델은 ANN 기반으로 대규모 후보군의 relevance를 판별하는 foundation 역할을 해요. Student 임베딩에 더해 상품의 다양한 컬럼(상품명·브랜드·카테고리·속성 등) 기반 lexical 매칭 피처를 결합한 Heavy Relevance 모델을 설계·학습해, 최종 랭킹 단계의 정확도를 끌어올려요. Light/Heavy 2-tier 구조 전반의 학습 데이터 파이프라인을 직접 설계해요. 로그·행동 데이터에서 학습셋을 구성하고, LLM 레이블링 프롬프트와 휴먼 레이블링 루프를 함께 운영해요. 오프라인 평가 프레임워크(정확도·Recall·Defect Rate 등)를 정의하는 것부터 A/B 실험까지 엔드투엔드로 오너십을 가져요. relevance 모델이 QU·Retrieval·Ranking과 맞물리는 지점에서 발생하는 품질 이슈를 진단하고, 크로스팀 개선 과제를 설계·리드해요.
검색 도메인에서 3년 이상의 실무 경험이 있는 분 대규모 로그·행동 데이터를 직접 다루고, 학습 데이터셋을 스스로 설계·구축할 수 있는 분 임베딩·랭킹 모델을 직접 학습시키고 성능을 끌어올려본 분 LLM을 레이블링·데이터 생성·평가 등 문제 해결을 위한 도구로 능숙하게 활용할 수 있는 분 데이터 분석부터 모델 학습, 서빙 반영까지 혼자 끌고 갈 수 있는 분 품질 개선을 가로막는 진짜 원인이 무엇인지 데이터로 밝혀내고, 실험을 설계해 그 결과에서 다음 스텝을 직접 읽어낼 수 있는 Problem Solver
Knowledge Distillation·Two-Tower·Bi-Encoder·Cross-Encoder 등 relevance 모델 학습과 실서비스 적용 경험 ANN(Milvus·FAISS 등) 기반 벡터 검색 실무 경험 LLM-as-a-Judge 기반 relevance 레이블 설계와 품질 검증 경험 Elasticsearch 기반 BM25·lexical 피처 설계 경험 LTR·Multi-task 딥러닝 랭킹 모델의 실서비스 적용 경험 대규모 커머스 또는 검색 플랫폼에서 A/B 실험 설계·운영 경험
서류 접수 > 프리인터뷰 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격 프리 인터뷰에서는 지원서 기반의 주요 경험과 직무 적합도를 중심으로 면접이 진행될 예정이에요. 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.
