Machine Learning Engineer

비즈니스 및 보안 문제를 ML 과제로 정의, 위험 적응형 실시간 의사결정을 위한 ML 모델 구축 및 반복 개선, Uber risk 시스템·로그·컨텍스트 신호 기반 피처 엔지니어링, 프로덕션 ML 파이프라인 배포 및 안정성/확장성 유지, 인증·인가 시스템에 ML을 통합하기 위한 시니어 엔지니어와의 협업.

필수: 3년 이상 프로덕션 환경에서 ML 모델 구축 및 배포 경험, feature engineering/training/evaluation 실무 경험, Python 숙련, PyTorch/TensorFlow 등 ML 프레임워크 경험, tree-based models(XGBoost, LightGBM), classical methods(logistic regression, SVM), neural networks(CNNs, RNNs, Transformers) 이해, 비즈니스/보안 요구를 ML use case로 전환할 수 있는 역량. 우대: risk, fraud, anomaly detection, security-related ML systems 경험, Kafka/Hive/Spark/Flink/Pinot 등 대규모 데이터·인프라 시스템 경험, imbalanced data/feedback loops/iterative retraining 대응 경험, 강한 커뮤니케이션 및 cross-functional 협업 능력.