
수석 풀스택 데이터 과학자, 파운데이션 모델
Stitch Fix의 개인화 리테일 플랫폼을 위한 파운데이션 머신러닝 및 추천 시스템 개발을 주도합니다. 행동, 거래, 텍스트, 이미지 데이터를 활용해 프로덕션 모델을 구축합니다.
설명
- 개인화와 추천을 개선하는 머신러닝 모델을 구축하고 평가해 배포합니다.
- 고객 및 상품 표현, 임베딩, 검색, 순위 지정, 추천, 상품 구성 생성 등을 포함한 파운데이션 모델과 기능을 개발합니다.
- 대규모 언어 모델, 딥러닝, 표현 학습, 멀티모달 모델링, 생성형 기법을 적용합니다.
- 문제 정의와 데이터 탐색부터 모델링, 실험, 배포, 모니터링, 반복 개선까지 머신러닝 수명 주기를 주도합니다.
- 오프라인 평가와 온라인 실험을 설계해 모델 성능, 고객 및 비즈니스 성과를 측정합니다.
- Python, SQL, 분산 데이터 처리 도구를 사용해 대규모 행동 및 상품 데이터세트를 분석합니다.
- 확장성, 신뢰성, 관측 가능성, 비용 효율성을 갖춘 프로덕션 머신러닝 시스템을 제공합니다.
- 제품, 엔지니어링, 데이터 과학 팀과 협력해 후속 단계의 요구를 재사용 가능한 파운데이션 머신러닝 기능으로 구현합니다.
- 설계 검토, 코드 검토, 연구, 프로토타입 제작, 모범 사례 개발을 통해 기술 방향 수립에 기여합니다.
- 기술 및 비기술 파트너에게 기술 개념, 모델링 선택, 절충 사항, 권장안을 설명합니다.
- 데이터 과학자와 엔지니어를 멘토링하고 함께 일합니다.
지원 자격
- 컴퓨터 과학, 통계학, 물리학, 수학 또는 관련 정량 분야의 학사 학위.
- 머신러닝 솔루션 설계 및 배포 경력 8년 이상. 추천, 표현 학습, 검색 등 개인화 분야 경험이 있으면 우대합니다.
- 기술 아키텍처를 설계하고 프로덕션 품질의 Python 코드를 작성할 수 있는 역량.
- 모호한 머신러닝 문제를 독립적으로 맡아 탐색과 프로토타이핑부터 프로덕션 배포, 모니터링, 반복 개선까지 진행하고 측정 가능한 성과를 낼 수 있는 역량.
- 대규모 데이터세트, SQL, Spark와 같은 분산 처리 기술 경험.
- PyTorch 또는 TensorFlow 등 최신 딥러닝 프레임워크 사용 경험.
- 오프라인 평가, A/B 테스트, 모델 개선을 측정 가능한 제품 또는 비즈니스 성과와 연결하는 방법을 포함한 모델 평가 및 실험에 대한 깊은 이해.
- 모델 품질, 지연 시간, 확장성, 신뢰성, 컴퓨팅 비용을 고려해 프로덕션 머신러닝의 절충 사항을 평가할 수 있는 역량.
- 기술적 의사결정에 영향을 주고 복잡한 개념을 기술 및 비기술 청중에게 설명할 수 있는 뛰어난 의사소통 및 협업 능력.
- 지적 호기심이 있고 새로운 머신러닝 기법을 학습해 실제 과제에 적용한 경험.
복리후생
- 경쟁력 있는 급여.
- 연간 보너스 지급 대상 자격.
- 신규 입사 및 재직 중 직원과 회사의 성과에 따라 제한부 주식 단위 보상 제공.
- 의료 보장.
- 치과 보장.
- 시력 보장.
- 포용성을 고려한 추가 건강 및 웰니스 복리후생.
- 종합적인 보상 패키지.
- 주식 보상.
- 다양성과 포용성을 갖춘 직장.
- 전문성 성장을 지원하는 환경.




