한 줄 요약

방대한 상품 카탈로그에서 광고 후보를 찾는 Retrieval·Light Ranker 모델을 개발할 ML 엔지니어

주요 업무

방대한 상품 카탈로그에서 사용자에게 적합한 광고 후보 찾기 — 다양한 Retrieval Source를 만들고 개선해 기존 추천이 놓치던 상품과 사용자의 연결 확대
Retrieval과 Light Ranker의 후보 품질 향상 — 제한된 응답 시간 안에서 좋은 후보를 확보하도록 후보 생성·선별 구조 개선
신규 상품과 행동 데이터가 부족한 상품의 Cold-start 문제 해결
어떤 상품이 후보에서 누락되고 어떤 후보가 성과에 기여하는지 분석하고 실험으로 추천·광고 성과 개선

자격 요건

추천, 검색 또는 광고 서비스에서 후보 생성이나 선별 모델을 직접 개발한 경험 — Retrieval이나 Light Ranker 등 모델 학습과 서비스 적용 코드 직접 구현
사용자 행동과 상품 데이터로 학습셋을 구성하고 모델 성능을 평가·추적한 경험, 최종 랭커의 목적을 고려해 후보 생성과 선별 방식을 개선해 본 경험
데이터로 문제를 정의하고 직접 구현과 실험을 반복하며 개선을 만들어 본 Problem Solver — 오프라인 평가와 A/B 실험 결과를 다음 가설과 실행으로 연결한 경험

기술 · 도구1개 전부

우대 사항