[AI Research Div.] ML Infrastructure Engineer (5년 이상)
AI 엔지니어정규직시니어 · 경력 무관
크래프톤에서 AI/ML 인프라를 전문적으로 다룰 시니어 엔지니어를 채용합니다. B300 125노드 기반의 GPU 클러스터를 운영하고 Kubernetes 환경의 플랫폼을 고도화하는 업무를 수행합니다. 시스템 전반의 문제 해결 역량과 ML 플랫폼 개선 경험이 필수입니다. 연구 조직과 협업하며 최적의 인프라 환경을 구축할 분을 찾습니다.
우리는 게이머의 로망을 실현하기 위해, 누구도 가지 않는 길을 갑니다.
예상을 뛰어넘는 과감한 상상력과 기술로, 전 세계 팬들이 잊지 못할 세상을 만들기 위해 담대하게 도전하고 개척합니다.
We pioneer the path to players' dreams.
With bold imagination and breakthrough technology, we create unforgettable worlds for fans across the globe.
크래프톤 AI Research 본부는 자체 딥러닝 연구를 기반으로 AI 기술의 새로운 가능성을 탐구하고, 게임과 다양한 서비스에 적용 가능한 핵심 AI 기술을 개발합니다. 생성형 AI, 멀티모달 AI, 대규모 언어 모델(LLM) 등 최신 AI 기술을 연구하며, 이를 통해 게임 제작과 사용자 경험을 혁신하는 것을 목표로 합니다.
AI Research 본부는 다양한 배경을 가진 구성원들이 함께 일하며, 수평적이고 활발한 커뮤니케이션 속에서 문제를 해결합니다.
직급과 연차를 넘어 자유롭게 의견을 제시할 수 있으며, 여러 직군과의 협업을 통해 연구와 플랫폼, 서비스의 접점을 함께 만들어갑니다.
KRAFTON MLSys & Ops 팀은 AI Research 본부 내 모델 개발을 위한 GPU 인프라를 설계·구축·운영합니다.
모델 학습 및 실험 환경, GPU 클러스터 운영, 인프라 자동화와 관측성 체계를 함께 다루며, AI 워크로드가 안정적이고 효율적으로 동작할 수 있도록 공통 플랫폼을 만들어갑니다.
이번 포지션은 이미 확보된 B300 125노드 기반 GPU Infrastructure를 함께 운영·고도화하면서, 이를 연구·개발 조직이 안정적이고 효율적으로 활용할 수 있는 GPU Platform으로 발전시키는 실무형 시니어 엔지니어 역할입니다.
완벽하게 모든 경험을 갖춘 분보다는, AI/ML 인프라의 특정 영역을 깊이 있게 다루며 확실한 전문성과 문제 해결 경험을 쌓아온 분을 찾습니다.
ML/GPU Platform 운영 체계 개선 경험
ML/GPU Platform의 스케줄링, 워크로드 격리, 관측성 및 장애 대응 체계를 직접 개선해본 경험이 있으신 분
시스템 전반 관점의 문제 해결 역량
장애 및 성능 이슈를 시스템 전반의 관점에서 분석하고, 근본 원인 해결과 구조적 개선으로 연결해본 경험이 있으신 분
요구사항 정의 및 기술적 의사결정 역량
연구·개발 조직과 협업하며 공통 ML/GPU 인프라의 요구사항을 정리하고, 기술적 대안과 실행 우선순위를 제안해본 경험이 있으신 분
AI 도구를 활용한 업무 생산성 개선 경험
생성형 AI, LLM 기반 도구, 코드 어시스턴트 등 AI 도구를 활용하여 운영 효율, 문제 해결, 문서화 및 자동화 생산성을 높여본 경험이 있으신 분
해외 출장에 결격 사유가 없는 분
필수는 아니지만, 아래 영역 중 하나라도 깊이 있게 파고들며 전문성과 성과를 쌓아온 경험이 있다면 팀에 큰 임팩트를 줄 수 있습니다.
차세대 GPU 아키텍처 구축·운영 및 최적화 경험
B200/B300, H100/H200, GB200/GB300 또는 동급의 차세대 GPU 아키텍처를 구축·운영하고, 성능 검증 및 최적화를 수행해본 경험이 있으신 분
고성능 GPU 네트워크 분석 및 최적화 경험
NCCL, RDMA, RoCE, InfiniBand 기반 환경에서 GPU 간 통신 성능과 병목을 분석하고 최적화해본 경험이 있으신 분
분산 스토리지 구축·운영 및 성능 최적화 경험
Ceph, MinIO 등의 분산 스토리지 환경을 구축·운영하거나, AI 학습 워크로드의 특성에 맞게 데이터 처리 성능을 최적화해본 경험이 있으신 분
GPU 자원 활용 및 비용·성능 최적화 경험
GPU 활용률 분석을 바탕으로 리소스 할당, 스케줄링, 우선순위 및 비용·성능 최적화 전략을 실제 운영 환경에 적용해본 경험이 있으신 분
GPU 리소스 관리 및 오케스트레이션 도구 활용 경험
NVIDIA GPU Operator, DCGM, MIG/MPS, Run:ai, Slurm, Kueue, Volcano 등 GPU 리소스의 관리·스케줄링·오케스트레이션을 위한 도구를 활용해본 경험이 있으신 분
분산 학습 성능 개선 경험
분산 학습 환경에서 데이터 로딩, 통신 병목, 학습 스케줄링 등을 개선하여 Training Throughput과 GPU Utilization을 향상시켜본 경험이 있으신 분