합류하게 될 팀에 대해 알려드려요

• 커머스 추천팀은 토스 앱 안에서 사용자가 더 좋은 상품을 발견하고 구매할 수 있도록, 개인화된 상품 추천 시스템을 만들고 고도화하는 팀이에요.
• ML Engineer(Commerce 추천) 포지션은 사용자의 행동 데이터, 상품 정보, 노출 맥락을 바탕으로 어떤 상품을 후보로 가져오고, 어떤 순서로 보여줄지 결정하는 추천 시스템 전반을 설계해요.
• CTR, CVR 같은 사용자 반응 예측 모델뿐 아니라 후보 생성, 랭킹, 리랭킹, 여러 노출 요소의 블렌딩, 온라인 실험까지 추천 품질을 좌우하는 전체 흐름을 함께 다뤄요.
• 단순히 모델의 오프라인 성능을 높이는 데서 끝나지 않고, 사용자가 실제로 더 적절한 상품을 발견하고 구매할 수 있는 경험을 만드는 것을 목표로 해요.
• 토스 데이터 조직에 대해 더 알아보고 싶다면? → 토스 Data Division 위키

합류하면 함께 할 업무에요

• 커머스 추천 지면에서 사용자에게 보여줄 상품 후보를 찾고 정렬하는 리트리벌, 랭킹 모델을 설계하고 고도화해요.
• 사용자 행동, 상품 특성, 가격, 카테고리, 노출 위치, 세션 맥락 등 다양한 신호를 활용해 CTR, CVR 등 사용자 반응을 예측하는 모델을 개선해요.
• 예측 모델의 결과가 실제 추천 랭킹과 서빙 로직에 안정적으로 반영될 수 있도록 score calibration, 리랭킹, 다양성, 신선도, 탐색 전략을 설계해요.
• 상품 추천을 중심으로 광고나 프로모션 등 다양한 노출 요소가 함께 존재하는 지면에서 사용자 경험과 비즈니스 성과를 함께 고려한 랭킹, 블렌딩 전략을 개선해요.
• 추천 모델의 오프라인 성능뿐 아니라 클릭, 구매 전환, 탐색 깊이, 재방문, 매출 등 온라인 지표를 통해 실제 개선 효과를 검증해요.
• 모델 학습부터 피처 생성, 배치와 실시간 서빙, 모니터링, 실험 설계까지 추천 시스템이 프로덕션에서 안정적으로 동작하는 데 필요한 전 과정을 다뤄요.
• 팀 내 MLE, 데이터 분석가, 서버 엔지니어, 프로덕트 매니저와 함께 문제를 정의하고, 추천 모델의 개선이 실제 제품 임팩트로 이어지도록 만들어요.

이런 분과 함께하고 싶어요

• 대규모 추천, 검색, 피드 랭킹, 광고 랭킹 등 개인화된 노출 시스템에서 리트리벌부터 랭킹, 서빙, 실험까지 전체 흐름을 개선해 본 분을 찾고 있어요.
• 모델의 오프라인 성능 향상에 만족하지 않고, 반복적인 온라인 실험을 통해 실제 고객 경험과 비즈니스 지표를 개선하는 것을 목표로 하는 분이면 좋아요.
• 주어진 요구사항을 구현하는 데서 멈추지 않고, 추천 품질을 떨어뜨리는 병목이나 아직 정의되지 않은 기회를 스스로 찾아 해결해 나가는 분이면 좋아요.
• CTR, CVR 같은 단기 반응 지표뿐 아니라 구매 전환, 장기적인 사용자 만족, 상품 다양성, 탐색 경험까지 함께 고려해 의사결정할 수 있는 분이면 잘 맞아요.
• 특정 모델이나 프레임워크에 답을 고정하기보다, 문제의 성격과 시스템 제약에 맞는 현실적인 접근법을 선택할 수 있는 분을 찾고 있어요.
• 피드 랭킹, 콘텐츠 개인화, 또는 동영상, 상품, 배너, 광고처럼 여러 유형의 콘텐츠를 하나의 지면에서 함께 랭킹하거나 블렌딩해 본 경험이 있다면 특히 좋아요.

이력서는 이렇게 작성하시는 걸 추천해요

• 진행했던 프로젝트가 조직에 큰 영향력을 미쳤다면 그 내용을 자세히 작성해 주세요.
• 모델링 중심 프로젝트에서 본인이 정의한 문제, 선택한 접근법, 실험 방법과 성능 개선 내용을 구체적으로 적어주세요.
• 반복적인 실험과 성능 분석을 통해 정량적으로 문제를 해결한 과정이 있다면 강조해 주세요.

토스로의 합류여정

서류 접수 > 프리인터뷰 > 2차 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.

함께할 동료를 위한 한마디

"단순한 모델링만 하는 것이 아닌, 비즈니스에 임팩트를 내는 역할이에요."

• 토스에서 가장 만족스러운 것은 모델링 그 이상을 한다는 거에요.
• 이전에는 주어진 모델에 데이터를 넣고 성능을 평가하는 것이 전부였는데, 지금은 집계되지 않는 데이터를 어떻게 모델에 녹여낼 수 있을지 고민하고 있어요.
• 금융 관련 데이터로만 분석과 모델링 하는 것에 나아가, 유저에 대한 이해를 바탕으로 슈퍼앱을 운영하는데 임팩트를 내는데 기여할 수 있어 보람차요!