채널 로고

Machine Learning Engineer (Model Training)

Engineering

・

주니어

・

시니어

채널톡은 제품에 필요한 핵심 AI 모델을 직접 연구하고 만드는 팀을 새롭게 만들고 있습니다.

이 팀은 단순히 외부 API나 이미 만들어진 모델을 활용하는 것이 아니라, 제품 문제를 해결하기 위해 자체 모델을 설계하고 학습시키는 것을 목표로 합니다.

팀의 첫 번째 과제는 AI 음성 상담을 위한 TTS/STT 모델의 성능을 끌어올리는 것입니다. 자연스러운 음성, 정확한 발음, 낮은 latency 등 실제 서비스 환경에서 중요한 문제들을 해결하게 됩니다.
하지만 이 팀의 역할은 Speech에만 머무르지 않습니다. 향후에는 에이전트 라우팅을 위한 경량 LLM, 특정 문제에 특화된 소형 모델 등 다양한 AI 모델을 직접 연구하고 개발하는 방향으로 확장할 계획입니다.
초기 팀은 3명 내외의 작은 팀으로 시작하며, 각 멤버가 단순 구현이 아니라 기술 방향성과 연구 로드맵을 함께 고민하는 역할을 하게 됩니다.
이미 만들어진 모델을 활용해 기능을 구현하는 경험보다, 모델을 직접 학습시키고 성능을 개선하는 과정에 깊이 관여해본 경험이 있는 분을 찾고 있습니다.

[채널팀이 더욱 궁금하다면?]
어떤 업무를 담당하나요?🤔
  • 제품 문제를 해결하기 위한 자체 AI 모델을 설계하고 학습합니다
  • 초기에는 TTS/STT 모델의 성능 개선과 음성 품질 향상을 주요 과제로 다룹니다
  • 데이터 수집 → 전처리 → 학습 → 평가까지 end-to-end ML pipeline을 구축합니다
  • 음성 품질(자연스러움, 발음 정확도, 감정 표현 등)을 정량적으로 평가하고 개선합니다
  • inference latency 및 비용을 고려한 효율적인 모델 구조와 서빙 방식을 설계합니다
  • 제품 엔지니어들과 협업하며 연구 결과를 실제 서비스에 적용합니다
  • 소규모 팀에서 기술 방향성과 연구 로드맵을 함께 설계합니다
  • 향후 경량 LLM, 라우팅 모델 등 다양한 AI 모델 문제를 탐색하고 연구합니다
어떤 경력과 역량이 필요한가요?📖
  • TTS 또는 STT 모델을 직접 학습시키고 서비스에 적용해본 경험
  • PyTorch 기반으로 음성 모델을 end-to-end로 학습시켜본 경험
  • Transformer 기반 음성 모델 구조에 대한 깊은 이해
  • 음성 데이터셋 구축 및 데이터 품질 개선 경험
  • GPU 환경에서 모델 학습을 수행해본 경험 (multi-GPU 등)
  • 모델 성능 개선 과정에 깊이 관여해본 경험
이런 점이 있으면 더 좋아요😊
  • 한국어/일본어 등 다국어 음성 모델 학습 경험
  • 실시간(streaming) 음성 인식 또는 합성 시스템 구축 경험
  • DeepSpeed, FSDP 등 분산 학습 경험
  • 음성 관련 논문 구현 또는 연구 경험
  • 오픈소스 음성 모델 기여 경험
  • inference 최적화 (ONNX, TensorRT 등) 경험
  • 경량 LLM 또는 특화 모델 연구 경험
어떤 방식으로 채용하나요?🏃
  • [서류 제출] > [사전 기술 인터뷰(온라인)] > [1차 인터뷰] > [2차 인터뷰] >  [레퍼런스 체크] > [최종 합격] 순서로 진행됩니다.
  • 제출하신 서류를 통해 팀에 필요한 기본적인 문제 해결 역량을 갖추고 계신지 확인합니다. 지금까지 수행하신 프로젝트와 도전 과제, 그리고 이를 어떻게 해결해 오셨는지를 구체적으로 작성해 주시면 많은 도움이 됩니다.
  • 사전 기술 인터뷰는 온라인으로 진행되며, ML/AI 관련 기술 중심의 Q&A로 30분간 진행됩니다.
  • 1차 인터뷰는 1시간 30분 동안 진행되며, 지원자께서 수행하셨던 프로젝트에 대한 설명과 이에 대한 질의응답을 중심으로 진행됩니다. 프로젝트의 배경, 기술적 선택의 이유, 문제 해결 과정 등을 통해 실무 경험과 기술 이해도를 확인합니다.
  • 2차 컬처핏 인터뷰는 채널과 핏이 잘 맞는 분인지 알기 위해 편안하게 서로 질문을 할 수 있는 시간을 갖게 됩니다.

추천 콘텐츠

Cursor 전사 도입 6개월: 이후 변화들

JetBrains 해지, Cursor 전면 전환

AI가 코드 짜는 시대, 모바일팀이 말하는 ‘신뢰할 수 있는 개발자’

Head of Mobile Engineering 잼

Cursor + Git Worktree 병렬 개발 한계와 해법

Context engineering으로 생산성 N배 극대화

채널톡 CTO가 말하는 함께 하고 싶은 개발자

CTO 클샌

채널팀이 더 알고 싶다면