Machine Learning Engineer III, Search Relevance

랭킹, 리트리벌, 추천 컴포넌트를 설계·구현·개선하여 relevance와 latency를 향상, embeddings·semantic/hybrid search·LLM-enabled retrieval 기능을 프로덕션에 적용, offline/online evaluation 및 A/B test 수행과 NDCG·MRR·precision@k 기반 튜닝, 분산 시스템 위의 reliable/observable microservices 및 near real-time indexing pipelines 개발, 설계부터 롤아웃까지 well-scoped 프로젝트 오너십 수행, batch/streaming 기반 데이터·피처 파이프라인 개선, 설계 문서·테스트·운영 런북 작성, 온콜 대응 및 이슈 triage 참여.

필수: 3년 이상 백엔드 또는 분산 시스템 구축 경험, 서비스 또는 데이터 पाइ프라인의 프로덕션 오너십 경험, Java/Scala/C++/Python 중 최소 1개 언어 숙련(Python 우대), 검색/랭킹/추천/적용 ML의 프로덕션 경험 또는 이해, 데이터 파이프라인·메시지 큐·스트리밍 시스템(Kafka, Pub/Sub 등) 경험, 클라우드 네이티브 마이크로서비스·CI/CD·관측성·성능 튜닝 이해, Computer Science 또는 관련 전공 학사 수준 또는 동등 경험, 실험 중심의 문제 해결 역량. 우대: Elasticsearch, Solr, Lucene 또는 커스텀 검색 시스템 경험, inverted index 및 scoring function 이해, relevance tuning·learning-to-rank·오프라인/온라인 실험 경험, vector search·dense/sparse embeddings·hybrid retrieval 이해, IR fundamentals(BM25, TF-IDF, multi-stage retrieval, query understanding) 지식, Kubernetes/Terraform 및 GCP/AWS/Azure 경험, PyTorch 또는 TensorFlow 실무 경험, LLM 이해.