Seoulstart's read
- Visa tier (likely)
- Verify with recruiter
- Korean language
- Not assessed
- English friendliness
- Not assessed
This is Seoulstart's analysis of the public job description, not the employer's stated policy. Verify visa sponsorship, language requirements, and remote allowances directly with the recruiter.
Full description (from Musinsa's career page)
[무신사 테크 소개]
팀 무신사 테크 조직은 혁신의 원동력이자 변화를 선도하는 핵심 기술 조직입니다. 고객과 입점 브랜드가 각자의 고유한 개성을 자유롭게 표현할 수 있도록, 데이터와 기술을 기반으로 한 개인화된 경험을 제공합니다. 무신사 테크는 새로운 도전을 두려워하지 않으며, 항상 새로운 영역에서의 성공을 꿈꿉니다.
무신사는 한국을 넘어 글로벌 시장에서도 경쟁력 있는 서비스를 선보이고자 OCMP(One Core Multi Platform)를 구축하고 있습니다. 이를 통해 전체 비즈니스의 폭발적 성장을 지원하며 무신사 테크는 끊임없는 도전과 혁신으로 고객에게 더 나은 가치를 제공하고자 합니다.
- 무신사 테크 블로그
- 29CM 테크 블로그
- 테크 유튜브 채널
- 무신사 링크드인
- MUSINSA TECH
[팀 소개]
Personalization 팀은 무신사, 29CM, 글로벌 등 팀 무신사의 다양한 서비스에서 개인화 경험을 책임지고 있습니다. 단순히 추천 모델을 개발·서빙하는 것을 넘어, 고객의 행동과 취향을 깊이 이해하여 제품, 콘텐츠, 캠페인 전반에 걸친 맞춤형 경험을 구현합니다.
Personalization 팀은 데이터분석가, 데이터엔지니어, 데이터사이언티스트, 머신러닝엔지니어, 백엔드엔지니어, 프론트엔지니어가 한 팀에서 end-to-end로 협업하는 조직입니다. 고객 행동 데이터 정의·수집·집계부터 페르소나 및 세그먼트 개발, 대규모 임베딩 기반 모델링, 실시간 타겟팅 API와 자동화된 캠페인 생성까지 전 과정을 직접 설계하고 운영합니다.
대규모 분산 시스템과 최첨단 머신러닝 기법을 활용하여 방대한 고객·상품·콘텐츠 데이터를 통합적으로 해석하고, 이를 개인화 메시징, 배너 최적화, 유저 페르소나 추출 등 다양한 서비스 경험에 연결합니다. Personalization 팀은 기술과 데이터를 바탕으로 고객의 쇼핑 여정을 한층 더 즐겁고 의미 있게 만드는 데 집중하고 있습니다.
[이런 경험을 하실 수 있어요]
- 무신사·29CM·글로벌 무신사 등 여러 서비스에 걸쳐 대규모 개인화 추천 아키텍처를 설계하고 고도화하며, 다양한 서비스 환경을 아우르는 추천 시스템 경험을 쌓을 수 있습니다. 특히 글로벌 서비스에서는 국가와 문화권별 특성을 반영한 추천 모델을 개발하는 도전적인 과제도 경험할 수 있습니다.
- LLM, 그래프 기반 추천 등 최신 AI/ML 기술을 추천 시스템에 적용하며, 다양한 사용자 행동과 취향을 정교하게 반영하는 개인화 모델을 개발하고 고도화할 수 있습니다.
- 대규모 사용자 행동 로그를 기반으로 피처 파이프라인과 피드백 루프를 설계하고, 사용자 반응을 실시간으로 반영할 수 있는 구조를 구축하며 추천 품질을 지속적으로 개선하는 경험을 할 수 있습니다.
- 추천 성능 지표와 실제 서비스 임팩트를 직접 연결하고 개선하며, 기술적 성과를 비즈니스 성과로 확장하는 과정을 경험할 수 있습니다.
[담당 업무]
- 무신사, 29CM 등 팀무신사의 다양한 플랫폼을 대상으로 개인화 추천 모델을 개발하고 실제 서비스에 적용·운영합니다.
- 대규모 사용자 행동 로그를 기반으로 추천 모델에 필요한 피처 파이프라인과 지속적인 모델 개선을 위한 피드백 루프를 설계·고도화합니다.
- 다양한 서비스와 비즈니스 요구사항을 반영할 수 있도록 추천 시스템의 아키텍처와 인프라를 설계·개선하고, 안정적으로 확장할 수 있는 구조를 구축합니다.
- 최신 AI/ML 기술을 탐색하고 추천 시스템에 적용하여 모델과 서비스의 품질을 지속적으로 고도화합니다.
[기술 스택]
- ML / Deep Learning: PyTorch, Hugging Face, Scikit-learn 등
- Data / Streaming: Kafka, Redis, BigQuery, Elasticsearch, MongoDB
- Infra: AWS, Kubernetes, Docker, Argo, Airflow, Databricks
- Serving & MLOps: Triton Inference Server, Ray, MLflow, Internal A/B Test Platform
[자격 요건]
- 추천, 랭킹, 검색 등 ML 모델 및 서비스 개발 경험이 7년 이상이거나 이에 준하는 역량을 보유하신 분
- 대규모 사용자 행동 로그를 활용하여 ML 모델을 개발하고, 실제 프로덕션 환경에 적용·운영해보신 분
- AWS 등 클라우드 환경을 기반으로 서비스를 구축하고 운영해보신 분
[우대 사항]
- 복잡한 비즈니스 및 서비스 요구사항을 구조화하고, 대규모 추천 시스템의 설계와 구축을 주도해보신 분
- Flink, Kafka 등을 활용한 실시간 데이터 스트리밍 파이프라인을 구축하거나 운영해보신 분
- 대규모 트래픽 환경에서 모델 서빙 성능을 최적화하고 장애를 대응해보신 분
- 콜드 스타트 등 실제 서비스 환경에서 발생하는 문제를 해결하며 추천 모델을 최적화해보신 분
- 패션·커머스 도메인에 대한 높은 관심이 있거나 관련 서비스 경험이 있으신 분
[지원 서류]
- 이력서 / 포트폴리오 (선택)
- (참고) 이력서/포트폴리오 작성 팁 이력서/포트폴리오에는 왜 해당 문제를 해결해야 했는지, 어떤 전략을 세웠는지, 어떤 성과가 있었는지 등에 대한 문제 정의, 문제 해결, 성과에 대한 전반적인 내용을 담아주세요. 프로젝트의 성공과 실패를 떠나, 1차 면접에서 인터뷰어와 심도있는 이야기를 나눌 수 있도록 프로젝트의 이해도가 높은 이력서로 구성해주세요. (프로젝트별 기여도 표시)
[근무 조건]
- 정규직
[전형 절차]
- 접수 기간 : 상시지원
- 전형 절차 : 서류 전형 - 1차 인터뷰 - 2차 인터뷰 - 3차 인터뷰 - 처우 협의 - 최종합격
- 문의사항 : recruit@musinsa.com
[기타사항]
- 본 포지션은 수시 진행으로 우수 인재 채용 시 마감될 수 있습니다.
- 적합한 지원자에게 채용 담당자가 개별 연락 예정이며, 내부 규정에 따라 각 전형 단계별 개별 피드백은 제공하지 않습니다.
- 최종 합격자는 3개월간의 수습기간이 적용되며, 해당 기간 중 급여는 100% 지급됩니다.
- 입사 지원 서류에 허위사실이 발견될 경우, 채용 확정 이후라도 채용이 취소될 수 있습니다.