
머신러닝 엔지니어, 컴퓨터 비전 (하이브리드 근무, 폴란드)
WSC Sports의 라이브 비디오 플랫폼에서 모델 평가부터 배포까지 프로덕션 컴퓨터 비전 시스템을 책임집니다. 스포츠 비디오 워크로드 전반의 GPU 추론, 벤치마크, 검증을 개선합니다.
설명
- 탐지, 추적, 인식, 장면 분석을 포함한 비디오 이해 기능 개발을 주도합니다.
- 배치 처리, 정밀도 조정, 컴파일을 통해 GPU 추론 처리량을 높이고 비용을 절감합니다.
- 프로덕션 품질과 지연 시간을 추적하고, 장애를 조사해 회귀 문제를 해결합니다.
- 스포츠, 리그, 콘텐츠 유형별로 구성된 라벨링 스포츠 벤치마크를 만들고 관리합니다.
- mAP, F1, 정밀도, 재현율, IoU, 지연 시간, GPU 비용 등의 모델 지표를 설정하고 모니터링합니다.
- 모델을 체계적으로 비교하고 회사 데이터를 사용해 발표된 결과를 재현합니다.
- 권고 사항, 상충 요소, 라이선스를 다루는 의사결정 메모를 작성합니다.
- 출시 전에 모델 및 설정 업데이트를 검증할 회귀 테스트와 섀도 또는 A/B 파이프라인을 유지합니다.
- 연구 논문, 모델 출시, 리더보드를 살펴 평가 후보를 찾습니다.
지원 자격
- 프로덕션 머신러닝 시스템을 제공한 경력이 3~5년 이상이며, 컴퓨터 비전 경력이 2년 이상이어야 합니다. 비디오 경험은 우대합니다.
- Python과 PyTorch에 능숙해야 합니다.
- TensorRT 및 ONNX Runtime을 사용해 GPU 추론을 프로파일링하고 최적화한 실무 경험이 있어야 합니다.
- 다음 분야 중 두 가지 이상에서 실무 경험이 있어야 합니다: 객체 탐지 및 분할, OCR 및 장면 텍스트 인식, 비디오 행동 인식 및 시간적 위치 지정.
- 테스트 세트 생성, mAP·F1·시간적 IoU 계산, 엄격한 모델 비교 경험이 있어야 합니다.
- 연구 논문과 모델 카드를 비판적으로 평가하고 발표된 결과를 재현할 수 있어야 합니다.
- Docker, 큐 기반 서비스, 클라우드 GPU 인프라를 사용한 프로덕션 배포 경험이 있어야 합니다.
- FFmpeg, 디코딩 파이프라인, 프레임 샘플링을 포함해 대규모 비디오를 처리한 경험이 있어야 합니다.
- 뛰어난 문서 작성 및 커뮤니케이션 능력으로 기술적 상충 요소를 기록하고 명확한 권고를 제시할 수 있어야 합니다.
- 다음 경험은 우대합니다: Azure Service Bus 및 Blob Storage, 메시지 기반 아키텍처, 비전 언어 모델, 멀티모달 이해, 도메인별 비전 미세 조정, 자기 지도 학습, 합성 데이터 생성, CVAT, Label Studio, 섀도 배포, A/B 테스트, 상용 모델 라이선스.
복리후생
- 연구 재현과 벤치마크 제작부터 라이브 GPU 워크로드 최적화까지 머신러닝 전체 수명 주기를 책임집니다.
- 모델 최적화를 통해 인프라 비용과 지연 시간을 낮추며 대규모 프로덕션 개선을 제공합니다.
- A/B 테스트, 섀도 배포, 통계적 검증을 중시하는 증거 중심의 엔지니어링 환경에서 일합니다.
관련 채용공고

