ML Engineer (Data Pipeline)은 토스뱅크 ML Tribe / Chpater 소속으로, AI/ML 기술로 은행 서비스의 문제를 풀어요.
금리 최적화 시스템, 대출 사후 관리 시스템, 대출 특화 상담 AI Agent 등 다양한 제품을 개발해요.
Product Manager, Data Scientist, Machine Learning Engineer 등 여러 직군과 협업하며 문제에 가장 잘 맞는 방식과 기술로 서비스와 제품을 만들어요.
데이터 엔지니어링에 강점이 있고 ML 영역으로 전문성을 확장하고 싶은 분을 기다리고 있어요.

Spark 등 분산처리 프레임워크로 대용량 데이터를 처리하는 배치 파이프라인을 개발·운영한 경험이 필요해요.
Airflow 등 배치 스케줄러의 동작 원리를 이해하고, 스케줄링·재처리·의존성 관리를 설계할 수 있어야 해요.
ML 모델링의 전체 과정(Feature 생성, 학습, 평가, 추론)을 이해하고, 모델이 요구하는 데이터의 특성을 파악하여 파이프라인에 반영할 수 있어야 해요.
사용하는 기술의 동작 원리를 바닥까지 이해하고, 선택한 근거를 설명할 수 있어요.
데이터 처리량·처리 시간·비용의 트레이드오프를 고려해 아키텍처를 설계하고, 각 컴포넌트의 역할을 설명할 수 있어요.
정해진 정답(Best Practice)을 따르기보다, 문제를 정의하고 왜 그 기술을 선택했는지 스스로 설명할 수 있는 분을 찾아요.

실질적인 데이터 처리 경험이 구체적으로 드러나도록 사례 중심으로 작성해주세요. (데이터 규모, 처리 시간, 파이프라인 개수 등 정량적 수치가 있다면 함께 적어주세요)
대용량 데이터 처리에서 발생한 병목이나 장애를 기술적으로 어떻게 진단하고 해결했는지 함께 작성해주세요.
아키텍처의 복잡도와 개발 구현 리소스의 트레이드오프 사이에서 각 선택지의 비용 효율을 비교 분석하여 우선순위를 결정한 경험이 있다면 작성해주세요.
진행했던 프로젝트가 비즈니스 임팩트를 낸 경험이 있다면 그 내용을 자세히 작성해주세요.
개발한 파이프라인이나 제품을 프로덕션에 적용하고 성과 지표를 보며 고도화한 경험이 있다면 작성해주세요.

은행 내의 모든 운영 업무를 자동화 해요”
은행에는 사람 손을 타야 하는 업무가 아직도 정말 많이 남아있어요.
저희 팀은 AI 제품의 기획부터 모델링, 그리고 서비스로의 구현까지 팀 내에서 end to end 로 실행하며 내가 만든 제품의 임팩트를 직접적으로 경험할 수 있는 조직이에요.
빠르게 발전하는 AI 기술을 활용해서 이러한 문제를 해결하고, 자동화 또는 효율화하는 것에 관심이 있는 분이라면 적극 추천해요!

ML Engineer (Data Pipeline)