Machine Learning Engineer

Engineering

・

신입

・

정규직

We Make a Future Classic Product!

채널톡은 기업의 지속가능한 성장을 돕는 ‘올인원 AI 메신저’입니다. 고객과 언제 어디서나 대화할 수 있는 환경을 만들어 비즈니스의 방향성을 고객으로부터 찾을 수 있도록 돕고 있어요.

현재 '고객이 답이다'라는 철학으로 고객사의 고객 소통 경험을 변화시키고 있습니다. CRM 데이터 기반의 상담 경험 설계와 AI를 통한 반복 문의를 빠르게 처리해 CS 효율화부터 고객 경험 개선까지 채널톡 하나로 해결해요.

수많은 온라인 비즈니스의 본질적인 문제를 풀어낸 결과 한국 너머의 시장에서도 빠르게 성장하고 있습니다. 일본 시장에서 점유율 20% 이상으로 업계 1위와 매출 성장세도 B2B 업체 중 아시아에서 가장 빠른 수준이에요. 아시아에서 인정받은 제품력을 발판 삼아 글로벌 SaaS 기업으로 거듭나고자 미국 시장에 적극 진출하고 있습니다.

채널톡 출시 이후 이와 같은 성과를 거둘 수 있었던 핵심은 ‘제품’입니다. 좋은 제품이 최고의 세일즈, 마케팅이라고 믿습니다. 채널팀 전체 임직원 중 절반 이상이 개발자로 이들 모두가 단 하나의 제품을 만드는데 집중합니다. 구글 검색, 아이폰처럼 한 세대를 상징할 “미래의 클래식” 프로덕트를 목표로 최고의 인재들과 함께합니다.

하고 싶은 일이 참 많습니다! 많이 기대되는 앞으로의 여정 가운데 함께할 채널톡의

Machine Learning Engineer를 찾습니다!

총 2명을 채용 중이며, 신입부터 경력직까지 넓은 기준으로 보고 있습니다. 역량 뛰어난 분들의 많은 지원 기다리고 있겠습니다.

[채널팀이 더욱 궁금하다면?🧐]

🏡 홈페이지

💡블로그

🖥 유튜브

💌 인스타그램

어떤 기회가 있나요?🚀

상담 문제를 넘어, 비즈니스 전반에서 AI 기술로 고객의 문제를 해결하는 과정을 end-to-end로 경험할 수 있습니다.
채팅 및 음성 기반의 상담봇 시스템에 필요한 기반 기술 연구를 직접 주도적으로 하실 수 있습니다.
데이터셋 및 학습된 모델 공개 등으로 오픈 소스 커뮤니티에 기여할 수 있습니다.
최신 LLM 기반 음성 모델 연구에 참여할 수 있습니다.

어떤 업무를 담당하나요?🤔

[Machine Learning Engineer - Speech]
1. 다양한 LLM 기반 실시간 네이티브 다국어 음성 모델 학습
Input streaming이 가능한 Speech-to-Text, turn detection 모델 학습
상담에 최적화된 자연스러움이 뛰어난 Text-to-Speech 모델 학습
Function calling 능력이 뛰어난 AudioLLM 모델 학습

2. 음성 모델 학습 및 평가용 데이터 수집 및 전처리
다양한 소스로부터 데이터 수집 및 퀄리티 관리
전처리 과정 최적화로 다양한 데이터 레시피로 실험 수행
평가용 내부 벤치마크 구축 및 개선

3. 음성 기반 상담 봇 시스템 개발
학습된 모델을 배포하여 실 상담 서비스에 적용
스트리밍 기반 LLM 추론 서버 개발
음성 에이전트 성능 평가를 위한 벤치마크 구축

4. 논문, 오픈소스를 활용해 최신 연구 결과 수집하고 정리, 팀에 공유하며 함께 성장합니다

[Machine Learning Engineer - Knowledge]
1. 데이터 가공/적재 프로세스 설계 및 구현
텍스트, 이미지, 테이블 등 멀티모달 데이터 가공 및 적재
PDF, 스프레드시트, 웹페이지 등 다양한 데이터 소스로부터의 데이터 적재 파이프라인 구현 및 운영
텍스트, 이미지 임베딩 모델 학습 및 서빙

2. 지식 검색 프로세스 설계 및 고도화
사용자 질의에 알맞는 지식 검색 프로세스 설계
검색 성능 평가 데이터셋 및 벤치마크 구축
멀티모달 데이터 기반 에이전틱 서치 구현

3. RAG 에이전트 시스템 개발 및 평가 프로세스 구축
RAG 에이전트 구조 설계 및 구현
LLM 기반 에이전트의 성능 메트릭 정의 및 평가 시스템 구축
신규 제품 설계 및 PoC (Proof-of-concept)

어떤 경력과 역량이 필요한가요?📖

컴퓨터 과학, 전자공학, 수학, 통계학 등 해당 포지션과 관련된 전공의 학사 이상의 학위를 가지고 계신 분
LLM 모델에 대한 구체적인 이해 및 실제 학습 경험
목표에 맞는 데이터 구축 및 학습 레시피 구축 경험
모호한 상황에서의 문제 정의, 액션 아이템 도출, 실행 및 평가 등 문제 해결 파이프라인을 반복적으로 빠르게 수행하실 수 있는 분
Python 및 LLM 개발 관련 Library나 Platform(PyTorch, Hugging Face) 활용 능력을 갖추신 분

이런 점이 있으면 더 좋아요😊

관련 전공 석사 이상의 학위를 가지고 계신 분
대량의 데이터셋을 수집하고 정제한 경험이 있으신 분
Audio LLM, Speech-to-Text, Text-to-Speech 등 음성 모델 연구 혹은 개발 경험이 있으신 분
Distributed Training 혹은 모델 서빙 관련 경험 또는 이해를 갖추신 분 (DeepSpeed Zero, FSDP, vLLM, sglang 등)
AI 주제의 논문을 작성해보시거나 오픈소스 및 경진대회 활동 경력이 있으신 분
LLM 기반 AI 에이전트를 Production 레벨에서 구현/배포/운영해본 경험이 있으신 분
데이터 엔지니어링 관련 경험 또는 이해를 갖추신 분 (Airflow, Flink, Kafka, Beam 등)

어떤 방식으로 채용하나요?🏃

일반적으로 서류 제출 - 사전기술인터뷰(온라인) - 1차 인터뷰 - 2차 인터뷰 순서로 진행됩니다.
제출하신 서류를 통해 팀에 필요한 기본적인 문제해결 역량을 가지신 분인지 확인합니다. 지금까지 진행하셨던 프로젝트들과 도전 과제들을 어떻게 해결하셨는지 적어주시면 많은 도움이 됩니다.
사전기술인터뷰는 그 동안 해오신 업무나 프로젝트 내용과 관련 기술에 대한 Q&A로 30분 진행됩니다.
1차 인터뷰는 1시간~2시간 소요되며, 수행하셨던 프로젝트에 대한 내용을 발표하고 관련 질의응답을 진행하게 됩니다. 더불어 라이브로 주어진 상황의 AI를 이용한 해결 방법을 찾아가는 문제 풀이도 함께 진행됩니다. 지원자의 창의적인 문제 해결 능력을 확인하는 데에 중점을 둡니다. 결과 뿐만 아니라 문제를 해결해가는 과정 자체도 중요하게 평가합니다.
2차 인터뷰는 1시간 소요됩니다. 채널과 핏이 잘 맞는 분인지 알기 위해 편안하게 서로 질문을 할 수 있는 시간을 갖게 됩니다.
채용 프로세스는 과제나 면접 결과에 따라 면접 절차를 유동적으로 조정될 수 있습니다.

추천 콘텐츠

Cursor 전사 도입 6개월: 이후 변화들

JetBrains 해지, Cursor 전면 전환

Context Engineering? 원래 하던거 아닌가?

채널팀의 Linear MCP 적응기

Distributed Cache 도입기 (3): RDB 조회 90% 감소시키기

시행착오 끝에 찾은 구독 설정(BillSetting) 캐싱 문제 해답

첫 개발자 컨퍼런스, 이렇게 만들었습니다

채널데브톡 뒷 이야기 A to Z

채널팀이 더 알고 싶다면