MOMENTUS
모의면접
쿠팡 · Coupang Play Tech

Staff, Machine Learning Engineer - Coupang Play

#쿠팡 채용

이 공고, 이렇게 물어볼 겁니다

Q1
대규모 트래픽 환경에서 실시간 추론 시스템을 설계하고 구현할 때, 지연 시간(latency)과 처리량(throughput)을 최적화하기 위해 어떤 기술적 트레이드오프를 고려했으며, 실제 시스템에서 이를 어떻게 개선했는지 구체적인 사례를 들어 설명해 주십시오. (성과/의사결정 중심)
🎯 시스템 설계 능력과 성능 최적화에 대한 깊은 이해도를 확인하고, 실제 성과를 숫자로 증명하도록 요구한다.
Q2
ML 플랫폼의 안정성과 운영 효율성(Observability)을 확보하는 것이 중요합니다. 모델 성능 저하 또는 데이터 품질 문제가 발생했을 때, 본인이 주도하여 어떤 모니터링 지표를 설정하고, 어떤 자동화된 대응 프로세스를 구축하여 장애 발생률을 몇 % 감소시켰는지 설명해 주십시오. (MLOps/운영 경험 중심)
🎯 ML 시스템 운영(MLOps) 경험과 프로덕션 환경에서의 문제 해결 능력, 그리고 시스템 신뢰성 확보 역량을 확인한다.
Q3
추천 시스템의 개인화 품질을 고도화하기 위해 피처 엔지니어링 단계에서 어떤 비즈니스 지식을 활용하여 새로운 피처를 설계했으며, 이 피처가 실제 사용자 참여도(예: 시청 시간, 클릭률)에 몇 %의 기여를 했는지 구체적인 실험 결과와 함께 제시해 주십시오. (도메인/성과 중심)
🎯 추천 시스템 도메인 지식과 데이터 기반의 실험(A/B 테스트 등)을 통한 비즈니스 임팩트 창출 능력을 평가한다.
Q4
ML Scientist, 데이터 엔지니어, 프로덕트 매니저 등 다양한 직군과의 협업 과정에서 기술적 요구사항과 비즈니스 목표가 충돌했을 때, 본인이 기술적 리더십을 발휘하여 최종 의사결정을 어떻게 이끌어냈는지 구체적인 협업 사례를 들어 설명해 주십시오. (협업/리더십 중심)
🎯 복잡한 이해관계 속에서 기술적 비전을 제시하고 효과적으로 소통하며 협업을 이끌어내는 커뮤니케이션 및 리더십 역량을 확인한다.
Q5
LLM 기반 모델을 추천 시스템에 활용하는 방안에 대해 고민해 보셨습니다. 현재의 추천 모델과 LLM을 결합했을 때 얻을 수 있는 잠재적 가치와, 이를 위해 어떤 멀티모달 데이터 처리 및 학습 전략을 제안하시겠습니까? (기술 리더십/미래 지향적 사고 중심)
🎯 최신 기술(LLM)에 대한 이해도와 이를 기존 ML 플랫폼에 통합하고 확장할 수 있는 미래 지향적인 아키텍처 설계 능력을 평가한다.
질문만 읽으면 컨닝이에요. 소리 내어 답해보세요 — 어디서 틀어지는지 짚어드립니다.

공고 내용

쿠팡플레이 소개

세계 최고의 동료들과 함께 가장 도전적인 문제를 해결하며 새로운 가치를 만들어 가고 싶은 분, 젊고 발 빠르게 움직이는 조직에서 자신의 역량을 급격하게 성장시키고자 하는 분들의 많은 지원을 바랍니다.

직무 소개

Staff Machine Learning Platform Engineer로서, OTT 콘텐츠 추천, 개인화 및 사용자 시청 경험을 지원하는 확장 가능한 머신러닝 플랫폼과 프로덕션 ML 서비스를 설계, 구축 및 운영합니다.

검색, Retrieval, Ranking, 추천, 개인화 영역에서 대규모 시스템을 구축하며, 사용자가 원하는 콘텐츠를 가장 적절한 순간에 발견할 수 있는 경험을 만들어갑니다. 사용자 행동 데이터와 머신러닝 기술을 기반으로 관련성과 참여도를 지속적으로 향상시키고, 서비스 전반의 핵심 지표 개선을 이끌게 됩니다. 또한 다양한 엔지니어링 조직 및 Product, ML Scientist와 협업하며 확장 가능하고 안정적인 플랫폼을 구축하고, Coupang Play의 콘텐츠 추천 및 검색 기술 방향성을 주도하게 됩니다.

업무 내용

  • ·

대규모 Search, Retrieval, Ranking, Recommendation 및 Personalization 플랫폼의 아키텍처 설계, 개발 및 운영

  • ·

검색, 추천 및 개인화 기반의 콘텐츠 탐색(Content Discovery) 솔루션을 구축하여 사용자 경험 향상사용자 의도, 콘텐츠 간 관계, 사용자 선호도를 모델링하는 머신러닝 기반 시스템 개발

  • ·

실시간 Retrieval, Ranking 및 Recommendation 서비스를 위한 확장 가능하고 Low-Latency 특성을 갖춘 온라인 서빙 인프라 설계 및 운영

  • ·

Offline Evaluation, Online Experimentation 및 A/B Testing을 활용하여 검색 및 추천 품질 지속 개선

  • ·

Relevance, Engagement, Conversion, Latency, Reliability 등 핵심 지표 정의 및 최적화

  • ·

ML Scientist, Product Manager 및 다양한 엔지니어링 조직과 협업하여 비즈니스 요구사항을 확장 가능한 기술 솔루션으로 구현

  • ·

최신 검색, 추천 및 개인화 기술과 업계 모범 사례를 검토·도입하여 Coupang Play의 콘텐츠 탐색 역량 고도화

자격 요건

  • ·

컴퓨터공학, 머신러닝, 인공지능 또는 관련 분야 학사 이상

  • ·

Search, Retrieval, Recommendation, Ranking, Personalization 또는 기타 Relevance 기반 시스템의 개발 및 운영 경험을 포함하여 7년 이상의 소프트웨어 엔지니어링 경력을 보유하신 분

  • ·

확장성(Scalability), 안정성(Reliability), Low-Latency를 고려한 분산 백엔드 시스템 설계 및 개발 경험이 있으신 분

  • ·

Python에 능숙하며 Go, Java, Scala, C++ 중 하나 이상의 프로그래밍 언어 활용 경험이 있으신 분

  • ·

Cloud Native 인프라 및 최신 소프트웨어 엔지니어링 환경에서의 개발 경험을 보유하신 분

  • ·

Search Platform, Vector Search, 대규모 Indexing System 또는 Recommendation Infrastructure에 대한 이해 또는 경험을 보유하신 분

  • ·

머신러닝 개념에 대한 이해를 바탕으로 데이터 기반 접근 방식을 활용하여 고객 경험을 개선한 경험이 있으신 분

  • ·

시스템 성능을 분석하고 측정 가능한 개선을 이끌어낼 수 있는 문제 해결 및 분석 역량을 보유하신 분

  • ·

엔지니어링, 프로덕트 및 데이터 사이언스 조직과 원활하게 협업할 수 있는 커뮤니케이션 역량을 보유하신 분

우대 사항

  • Lexical Retrieval, Semantic Retrieval, Embedding-based Retrieval, Hybrid Retrieval 또는 Learning-to-Rank 기술 경험이 있으신 분
  • Information Retrieval, Recommendation System, Ranking System, Personalization 등 콘텐츠 탐색(Content Discovery) 분야에 대한 이해가 있으신 분
  • Deep Learning, Foundation Model, LLM 또는 Generative AI 기술을 Search, Recommendation, Content Discovery 문제에 적용한 경험이 있으신 분
  • Experimentation Platform, Online Evaluation, A/B Testing 및 Relevance Measurement Framework 운영 경험이 있으신 분
  • 다국어 콘텐츠 검색 또는 추천 서비스 구축 경험이 있으신 분

전형 절차 및 안내 사항

  • 전형 절차
  • 서류전형 - 1차 Job Fit 면접 - 2차 Tech Focus 면접 - 리더십 면접 – 최종 합격 (모든 인터뷰는 비대면으로 진행됩니다)
  • 참고 사항

개인정보 처리방침

  • 쿠팡 그룹은 입사지원자 개인정보 처리방침(아래 링크)에 따라 귀하의 개인정보를 수집하여 처리합니다. https://www.coupang.jobs/kr/privacy-policy

서류 반환 정책

  • 본 고지는 『채용절차의공정화에관한법률 』 제11조제6항에 따른 것 입니다.

회사마다 모든 공고에 똑같이 붙는 안내 문구(지원 절차·서류 반환·개인정보 고지 1,606자)는 접어뒀어요. 원문에서 전체 보기 →

원문에서 전체 공고 보기 →

이 회사 다른 포지션 · 비슷한 공고