10/6(목)~10/23(금) 23:59까지 진행하는 이벤트 job입니다. 면접만 가도 100만원 드리는 이벤트를 진행 중입니다. (소개 문구 수정 필요)

토스의 ML Engineer를 소개합니다.

• ML Engineer는 모델링에 집중할 수 있습니다.
• 모델링을 통해 도메인의 문제를 해결하고 비즈니스의 성장을 견인합니다.
• 특정 포지션에 관심이 깊거나 관련 경험이 있다면 우선순위대로 지원해주세요.
• 인터뷰를 통해 지원자분의 강점을 확인하고 그에 맞는 조직을 추천해 드릴 수도 있습니다.

💡 ML Engineer(Ads Retrieval) (상세 채용공고)

• 방대한 상품 카탈로그에서 사용자에게 적합한 광고 후보를 찾아요. 다양한 Retrieval Source를 만들고 개선하며, 기존 추천이 놓치던 상품과 사용자의 연결을 넓혀요.
• Retrieval과 Light Ranker의 후보 품질을 높여요. 제한된 응답 시간 안에서 좋은 후보를 확보하고, 최종 랭커가 더 좋은 선택을 할 수 있도록 후보 생성과 선별 구조를 개선해요.

💡 ML Engineer(Ads Ranking) (상세 채용공고)

• 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.

💡 ML Engineer(Ads Bidding&Pacing) (상세 채용공고)

• 광고주의 목표와 예산에 맞는 입찰 전략을 설계해요. 경쟁 상황과 예상 성과를 고려해, 같은 예산으로 더 나은 결과를 만드는 의사결정 방식을 찾아요.
• 상품광고의 경매와 가격 결정 구조를 발전시켜요. 입찰과 노출, 과금이 연결되는 정책을 개선하고, 광고주 성과와 플랫폼 수익에 미치는 영향을 검증해요.

💡 ML Engineer(검색 Relevance) (상세 채용공고)

• LLM Teacher 모델을 활용해 relevance 레이블을 설계하고, 이를 distillation한 Student 임베딩 모델을 학습시켜요. 이 모델은 ANN 기반으로 대규모 후보군의 relevance를 판별하는 foundation 역할을 해요.
• Student 임베딩에 더해 상품의 다양한 컬럼(상품명·브랜드·카테고리·속성 등) 기반 lexical 매칭 피처를 결합한 Heavy Relevance 모델을 설계·학습해, 최종 랭킹 단계의 정확도를 끌어올려요.

💡 ML Engineer(검색 Conversion/Ranking) (상세 채용공고)

• 대규모 후보군을 빠르게 좁히는 Light 랭커와 정밀도를 끌어올리는 Heavy 랭커로 이어지는 2-tier 랭킹 구조 전반을 설계하고 고도화해요.
• 유저·상품·검색어와 그 교차 관계를 담은 피처를 설계하고, 모델이 피처 조합을 직접 학습하도록 구조를 개선해 나가요.

💡 ML Engineer(Commerce 추천) (상세 채용공고)

• 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.

💡 ML Engineer(Commerce Ads) (상세 채용공고)

• 커머스 추천 지면에서 광고 상품이 노출될 때, 사용자의 반응 가능성과 셀러의 성과 목표를 함께 고려해 광고 노출의 가치를 계산하는 머신러닝 기반 로직을 설계해요.
• 운영 중인 CTR, CVR 예측 모델의 결과와 상품 가격, 전환 가치, 셀러가 설정한 target ROAS 등을 활용해 광고비와 입찰가 산정 로직을 고도화해요.

💡 ML Engineer(Commerce Data Graph) (상세 채용공고)

• 그래프 표현 학습과 링크 예측. 아이템과 유저, 쿼리가 얽힌 이종 그래프에서 관계를 직접 학습해요. Graph representation learning과 link prediction 등의 모델링을 통해, 손으로 만든 규칙으로는 닿지 못하던 롱테일까지 커버리지를 넓혀요. 팀의 가장 핵심적인 과업이에요.
• 속성 기반 임베딩과 리트리벌. 상품 속성과 맥락을 metric learning, contrastive learning으로 임베딩하고 이를 쓰는 리트리버 모델을 개발해요. 행동 기반 리트리버가 놓치던, 맥락은 통하지만 카테고리가 다른 상품 — 캠핑 맥락의 즉석밥과 숯불세트 같은 — 을 잇는 것이 목표예요.

💡 ML Engineer(Catalog) (상세 채용공고)

• 상품을 이해하는 모델과 데이터 구조를 만들어요. 텍스트, 이미지, 구조화 데이터를 활용해 카테고리를 분류하고 브랜드, 구매옵션, 상품 속성을 추출해요. 다양한 상품 정보를 일관된 스키마로 정리하고, 추천과 검색에 활용할 피처와 임베딩을 설계해요.
• 같은 상품을 정확하게 찾고 연결해요. 대규모 상품에서 매칭 후보를 탐색하고, 동일 상품 여부를 판별하는 모델을 개발해요. 상품군과 옵션의 관계를 구조화하고, 잘못 합쳐지거나 분리된 상품을 탐지해 카탈로그의 정확도를 높여요.

💡 ML Engineer(CSS) (상세 채용공고)

• 대출 니즈 모형, 카드 발급 예측 모형, 신용평가 모형 등 신용과 대출 도메인 영역에서 유저에게 맞춤형 서비스를 제공하기 위한 다양한 ML 모델을 개발해요.
• Data Mining / Machine Learning / Deep Learning 기술들을 활용하여 새로운 가치를 발굴해 비즈니스 고도화에 기여해요.

토스로의 합류여정

• 서류 접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격
• 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.