ML Engineer [Commerce]

합류하게 될 팀에 대해 알려드려요

• MLE(Commerce 추천) 포지션은 토스 커머스 도메인에서 상품을 최적화하여 노출하는 역할을 하게 돼요.
• 우리는 사용자에게 더 적절하고 매력적인 상품을 보여주기 위해, 다양한 데이터를 바탕으로 추천 모델을 설계하고 개선하는 일에 집중해요.
• 이 팀은 모델링 중심 팀으로, 문제 정의부터 학습, 성능 분석 및 개선에 이르는 머신러닝 개발 전반을 주도해요.
• 다양한 ML 기법을 활용해, 사용자에게 의미 있는 쇼핑 경험을 제공하는 상품 추천 플랫폼을 만들어 나가고 있어요.
• 토스 데이터 조직에 대해 더 알아보고 싶다면? → 토스 Data Division 위키

합류하면 함께 할 업무에요

• 사용자 행동, 상품 정보, 맥락 데이터 등을 바탕으로 상품 클릭률(CTR), 전환율(CVR) 등을 예측하는 모델을 개발해요.
• 예측 결과를 활용해 상품 노출을 최적화하는 추천 알고리즘을 설계하고 고도화해요.
• 추천 품질을 높이기 위한 모델 성능 분석, 피처 엔지니어링, 하이퍼파라미터 튜닝 등의 반복적인 실험을 수행해요.
• 다양한 실험과 오프라인/온라인 지표 분석을 통해 모델 개선 효과를 정량적으로 검증해요.
• 필요시 도메인 전문가 및 데이터 분석가와 협업하여 추천 문제를 올바르게 정의하고 해결해요.

이런 분과 함께하고 싶어요

• 추천 시스템이나 예측 기반 랭킹 모델 개발 경험이 있으신 분이면 좋아요.
• CTR, CVR 등 사용자 반응을 예측하기 위한 머신러닝 모델을 설계하고 개선한 경험이 있는 분을 찾고 있어요.
• 다양한 피처를 활용한 모델 실험, 튜닝, 분석 경험이 있는 분이라면 더 좋아요.
• Py Torch, Tensor Flow, LightGBM 등 주요 ML 프레임워크에 익숙한 분이면 좋아요.
• 모델을 단순히 학습시키는 데 그치지 않고, 문제 정의와 성능 분석에 깊이 관여한 경험이 있다면 환영해요.
• 데이터 기반으로 사고하고, 복잡한 문제를 명확히 설명할 수 있는 커뮤니케이션 역량도 중요하게 생각해요.

이력서는 이렇게 작성하시는 걸 추천해요

• 진행했던 프로젝트가 조직에 큰 영향력을 미쳤다면 그 내용을 자세히 작성해 주세요.
• 모델링 중심 프로젝트에서 본인이 정의한 문제, 선택한 접근법, 실험 방법과 성능 개선 내용을 구체적으로 적어주세요.
• 반복적인 실험과 성능 분석을 통해 정량적으로 문제를 해결한 과정이 있다면 강조해 주세요.

토스로의 합류여정

서류 접수 > 1차 직무 인터뷰 (코딩) > 2차 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격

• 1차 직무 인터뷰에서는 간단한 코딩 테스트, 이력 체크, ML 기초 지식 테스트가 진행될 예정이에요.
• 2차 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.

함께할 동료를 위한 한마디

"단순한 모델링만 하는 것이 아닌, 비즈니스에 임팩트를 내는 역할이에요."

• 토스에서 가장 만족스러운 것은 모델링 그 이상을 한다는 거에요.
• 이전에는 주어진 모델에 데이터를 넣고 성능을 평가하는 것이 전부였는데, 지금은 집계되지 않는 데이터를 어떻게 모델에 녹여낼 수 있을지 고민하고 있어요.
• 금융 관련 데이터로만 분석과 모델링 하는 것에 나아가, 유저에 대한 이해를 바탕으로 슈퍼앱을 운영하는데 임팩트를 내는데 기여할 수 있어 보람차요!