합류하게 될 팀에 대해 알려드려요

• ML Engineer(Ads Ranking)는 Applied AI Chapter에 소속되면서 동시에 광고 도메인(사업부)에 배치되어요.
• 광고 도메인의 각 팀은 Product Owner, ML Engineer, Data Analyst, Server Developer 등 다양한 직군으로 구성되어 있고, 작은 스타트업처럼 자율성을 갖고 일하고 있어요.

합류하면 함께 할 업무에요

• 사용자의 반응을 예측해 상품광고의 노출 순서를 개선해요. 클릭과 구매로 이어질 가능성을 더 정확하게 예측하고, 사용자에게 적합한 상품과 광고주의 성과를 연결해요.
• 후보 선별부터 최종 노출까지 랭킹 품질을 높여요. Retrieval과 Light Ranker에서 전달되는 후보를 살피고, 각 단계가 최종 랭킹의 목적에 맞게 동작하도록 개선해요.
• 예측값을 신뢰할 수 있는 추천 가치로 연결해요. 예측과 실제 반응의 차이를 줄이고, 여러 예측 신호를 최종 점수에 반영하는 Calibration과 Value Model을 발전시켜요.
• 모델의 개선을 실제 서비스 성과로 이어가요. 오프라인 평가와 온라인 결과가 달라지는 원인을 찾고, 데이터와 모델, 점수 산정 방식에 대한 실험을 반복해요.

이런 분과 함께하고 싶어요

• pCTR이나 pCVR 등 사용자 반응 예측 모델을 직접 개발한 경험이 필요해요. 행동 로그에서 학습 라벨과 피처를 구성하고, 모델을 직접 구현하고 학습해 서비스 성과를 개선한 분을 찾고 있어요.
• Calibration으로 예측값의 신뢰도를 높여 본 경험이 필요해요. 예측 확률과 실제 클릭률이나 전환율의 차이를 분석하고 보정해 본 분을 찾고 있어요.
• 모델의 성능을 전체 추천 성과와 연결해 볼 수 있는 분이면 좋아요. 입력 후보의 특성과 예측값이 최종 점수와 노출에 반영되는 방식을 이해하고, 서비스 적용 이후 성능을 추적하고 개선한 경험을 중요하게 생각해요.
• Problem Solver를 찾고 있어요. 데이터로 문제를 정의하고, 직접 구현과 실험을 반복하며 개선을 만들어 본 분이면 좋아요. 오프라인 평가와 A/B 실험 결과를 해석하고, 다음 가설과 실행으로 연결한 경험을 중요하게 생각해요.

이런 경험이 있으면 더 좋아요

• Multi-Task Learning으로 여러 사용자 반응을 함께 학습하거나, Light Ranker와 Final Ranker의 목적함수를 함께 고려해 랭킹을 개선한 경험이 있으면 좋아요.
• Post-calibration 체계를 설계하고, 상품이나 트래픽 구간별 예측 편향을 운영 환경에서 개선한 경험이 있으면 좋아요.
• 상품 카탈로그 기반 광고를 다뤄 본 경험이 있으면 좋아요. 광고 클릭 이후 외부 쇼핑몰에서 발생하는 전환 데이터를 다룬 경험을 환영해요.
• Value Model이나 Score Blending으로 여러 신호를 조합해 본 경험이 있으면 좋아요. 점수 변경에 따른 반응을 예상하고, 서로 다른 목표 사이의 균형을 실험으로 찾아본 경험을 환영해요.

토스로의 합류여정

서류 접수 > 프리 인터뷰 > 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.