이 공고, 이렇게 물어볼 겁니다
Q1
머신러닝 기반의 추천/검색/랭킹 시스템을 실제로 설계·운영해본 경험이 있는 분을 찾고 있는데, 구체적으로 그런 경험을 가진 사례를 하나 꼽아서 말씀해주실 수 있을까요?
🎯 머신러닝 기반 시스템 설계·운영 경험 확인
Q2
자연어처리(NLP) 또는 그래프 기반 추천 시스템 개발 경험이 있는 분을 찾고 있는데, 본인이 실제로 개발한 시스템이 어떻게 작동하는지 설명해줄 수 있나요?
🎯 자연어처리 또는 그래프 기반 추천 시스템 개발 경험 확인
Q3
대용량 데이터를 활용한 실험 설계 및 A/B 테스트 경험이 있는 분을 찾고 있는데, 구체적으로 그런 경험을 가진 사례를 하나 꼽아서 말씀해주실 수 있을까요?
🎯 대용량 데이터 활용 실험 설계 및 A/B 테스트 경험 확인
Q4
모델 서빙과 성능 최적화를 고려한 시스템 구현 경험이 있는 분을 찾고 있는데, 본인이 실제로 구현한 시스템이 어떻게 작동하는지 설명해줄 수 있나요?
🎯 모델 서빙과 성능 최적화 고려한 시스템 구현 경험 확인
Q5
실시간으로 딥러닝 모델 추론을 활용한 서빙 경험이 있는 분을 찾고 있는데, 구체적으로 그런 경험을 가진 사례를 하나 꼽아서 말씀해주실 수 있을까요?
🎯 실시간 딥러닝 모델 추론 활용 서빙 경험 확인
질문만 읽으면 컨닝이에요. 소리 내어 답해보세요 — 어디서 틀어지는지 짚어드립니다.
공고 내용
당근 팀 합류 여정에 오르신 것을 진심으로 환영해요
검색품질팀을 소개해요
검색 품질팀은 당근의 검색 경험을 혁신하기 위해 머신러닝과 자연어 처리 기술을 기반으로 사용자 맞춤형 결과를 제공하는 데 집중하고 있어요. 동네 생활의 다양한 맥락을 이해하고, 개인화된 경험을 통해 유저가 빠르고 정확하게 원하는 정보를 찾을 수 있도록 돕는 것이 우리의 미션이에요. 검색 품질 고도화를 위해 팀은 Search Vertical, Search Fleamarket, Search Place 세 파트로 구성되어 있어요. 각 파트의 ML 엔지니어들은 중고거래, 동네생활, 지도 등 다양한 도메인에 특화된 모델을 연구·개발하고 있어요.
이런 일을 해요
- 사용자의 검색 의도를 파악하여 맞춤형 키워드, 컬렉션, 상품 등을 추천해요
- 자연어처리, 그래프 기반 모델, 개인화 알고리즘을 활용해 검색 품질을 향상시켜요
- 모델의 실시간 서빙을 위한 경량화 및 아키텍처를 설계해요
- 컬렉션 랭킹, 지식그래프, 키워드 제안 등의 모델 개선 실험과 운영을 담당해요
이런 분을 찾고 있어요
- 머신러닝 기반 추천/검색/랭킹 시스템을 실제로 설계·운영해본 경험이 있는 분
- 자연어처리(NLP) 또는 그래프 기반 추천 시스템 개발 경험이 있는 분
- Python 기반의 머신러닝 훈련 파이프라인 구축 경험이 있는 분
- 대용량 데이터를 활용한 실험 설계 및 A/B 테스트 경험이 있는 분
- 모델 서빙과 성능 최적화를 고려한 시스템 구현 경험이 있는 분
이런 분이면 더 좋아요!
- 검색어 자동완성, 연관검색어, 오타교정 등 검색어 제안에 대한 모델링 경험이 있는 분
- 실시간으로 딥러닝 모델 추론을 활용한 서빙 경험이 있는 분
- ML 엔지니어 팀에서 오너십을 갖고 특정 도메인(랭킹/추천 등)을 리딩해본 경험이 있는 분
참고해 주세요
- 역량에 따라 온보딩 내용과 담당 영역은 조정될 수 있어요
- 정규직 채용의 경우 3개월의 수습기간이 있어요
- 이 포지션은 산업기능요원으로 채용이 가능한 포지션이에요. (현역 전직, 보충역 신규 편입, 보충역 전직) 전문연구요원 편입 및 전직은 불가해요
이렇게 합류해요
1. 서류 전형 → 2. 화상 면접 → 3. 직무 면접 → 4. 컬처핏 면접 → 5. 최종 합격 → 6. 최종 합격 및 입사
당근 전형 소개
서류 전형
당근은 자유형식의 지원서를 받고 있어요.
화상 면접
과제 전형
직무 면접
과제가 출제되었을 경우 과제에 대한 질문을 드려요.
컬쳐핏 면접(정규직 공통)
안내사항
- 본 공고는 모집 완료 시 조기 마감될 수 있어요.
회사마다 모든 공고에 똑같이 붙는 안내 문구(지원 절차·서류 반환·개인정보 고지 1,123자)는 접어뒀어요. 원문에서 전체 보기 →
원문에서 전체 공고 보기 →