ML Engineer (커뮤니티 추천)

합류하게 될 팀에 대해 알려드려요

• 매월 400만 명의 개인 투자자들이 정보를 교류하고 토론하는 '커뮤니티' 서비스를 담당하는 팀이에요.
• 커뮤니티는 토스증권의 리텐션을 만들어내는 핵심 기능이자, 장기 성장 전략의 한 축이에요. MAU 400만, 월간 글 작성자 30만 규모로 빠르게 성장하고 있고, 쌓이는 콘텐츠와 사용자 행동 데이터가 많아질수록 "누구에게 어떤 글을 보여줄 것인가"라는 추천·개인화의 중요도도 함께 올라가고 있어요.
• 합류하시면 '사일로(Silo)'라고 부르는 제품 조직에서 일하게 돼요. PO·개발자·디자이너·데이터 분석가가 하나의 작은 스타트업처럼 자율적으로 의사결정하는 애자일 조직이에요. ML 엔지니어는 이 안에서 서버 엔지니어·데이터 분석가·PO와 밀도 있게 협업하며, 커뮤니티 추천의 방향성을 함께 설계하고 추천 알고리즘에 대한 오너십을 갖고 직접 설계하고 리드해요.
• 커뮤니티 추천 시스템과 경험의 토대를 직접 설계하며, 사용자 한 명 한 명에게 꼭 맞는 커뮤니티 경험을 만들어 나가요. 내가 아는 종목에서 출발해 투자에 대한 관심사를 점점 넓혀가고, 사용자들이 서로 공감대를 형성할 수 있는 커뮤니티를 만들어가는 팀이에요.

합류하면 함께 할 업무에요

☑️ 커뮤니티 피드 추천 품질을 고도화해요.

• 사용자의 관심사와 콘텐츠의 맥락을 더 잘 연결할 수 있도록 개인화 추천 모델을 개선해요.
• 단순히 반응 가능성이 높은 콘텐츠를 찾는 데서 멈추지 않고, 커뮤니티의 신뢰도와 장기적인 사용자 경험까지 함께 고려해요.
• 추천 결과가 실제 제품 안에서 어떤 사용자 경험으로 이어지는지 보고, 모델과 서비스 로직을 함께 개선해요.

☑️ 추천 학습 데이터와 feature를 설계해요.

• 사용자 행동 로그와 콘텐츠 데이터를 바탕으로 학습 데이터를 정의하고 검증해요.
• 노출 편향, 선택 편향, 데이터 최신성처럼 추천 시스템에서 실제로 품질을 흔드는 문제를 다뤄요.
• 모델이 더 좋은 판단을 할 수 있도록 사용자, 콘텐츠, 커뮤니티 맥락을 표현하는 feature를 고도화해요.

☑️ 평가와 실험 체계를 개선해요.

• 오프라인에서 좋아 보이는 모델이 실제 사용자 경험에서도 좋아지는지 검증할 수 있는 평가 체계를 만들어요.
• 추천 결과를 해석하고 디버깅할 수 있는 지표와 샘플링 방식을 고도화해요.
• 실험 결과를 제품 지표와 연결해 다음 개선 방향을 정의해요.

☑️ 온라인 적용과 운영 안정성을 함께 책임져요.

• 모델이 안정적으로 서비스될 수 있도록 응답 속도, 모니터링, 배포 안전성을 함께 개선해요.
• 운영 중 발생하는 품질 저하나 데이터 변화의 원인을 분석하고 구조적으로 개선해요.
• 제품, 서버, 데이터 엔지니어와 함께 빠르게 실험하면서도 안정적으로 운영되는 추천 시스템을 만들어가요.

이런 분과 함께하고 싶어요

• 실제 서비스에서 추천 시스템, 검색/랭킹, 개인화 모델 중 하나 이상을 개선해 본 경험이 있는 분을 찾아요.
• Python과 PyTorch로 모델 학습, 평가, 실험 코드를 직접 작성해 본 경험이 있으면 좋아요.
• 로그와 지표를 그대로 믿기보다, 데이터가 만들어진 맥락과 편향을 함께 검증할 수 있는 분이면 좋아요.
• 모델 구조, 학습 데이터, 평가 방식, 제품 지표를 연결해 문제를 정의할 수 있는 분이면 좋아요.
• 모델 성능뿐 아니라 서빙 안정성, 운영 지표, 배포 리스크까지 함께 고려할 수 있는 분이면 좋아요.
• 복잡한 문제를 동료가 이해할 수 있는 언어로 정리하고, 여러 직군과 밀도 있게 협업할 수 있는 분이면 좋아요.

이런 경험이 있으면 더 좋아요

• 대규모 추천/랭킹 시스템을 end-to-end로 개선하거나 운영해 본 경험이 있다면 더 좋아요.
• Representation learning, contrastive learning 등 모델 학습을 통해 실제 서비스 지표 개선으로 연결해 본 경험이 있다면 더 좋아요.
• 대규모 이벤트 로그 기반 학습 데이터 파이프라인 또는 feature store에 대한 이해가 있다면 더 좋아요.
• 모델 배포, 실험 관리, 모니터링 등 온라인 ML 운영 경험이 있다면 더 좋아요.
• 텍스트, 커뮤니티/소셜 데이터, 금융 도메인 데이터에 대한 경험이 있다면 더 좋아요.

이력서는 이렇게 작성하시는 걸 추천해요

• 해결하려던 문제와 선택한 방법, 그에 따른 결과(지표 변화·제품 변화)를 명확하게 작성해 주세요.
• 모델 개발뿐 아니라, 데이터 정의·평가·운영 과정에서 시도했던 개선 내용도 함께 적어 주시면 좋아요.
• 전체 구조와 본인의 핵심 기여를 중심으로 작성해 주세요. 외부 공개가 어려운 내용은 제외해 주세요.

토스증권에서 사용하는 기술

• Development & ML: Python, PyTorch, pandas, NumPy, scikit-learn, Transformers
• API & Serving: FastAPI, KServe, Kubernetes
• DB & Messaging & Cache: Elasticsearch, ClickHouse, MySQL, MongoDB, Impala, Milvus**,** S3, Kafka, Redis
• Monitoring & Observability: MLflow**,** Prometheus, Grafana

토스증권으로의 합류여정

• 서류 접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종합격 및 입사

꼭 확인해 주세요

• 이력서 및 제출 서류에 허위 사실이 발견되거나 근무 이력 중 징계사항이 확인될 경우, 채용이 취소될 수 있어요.
• 토스증권 내규에 따라 채용 금지자 또는 결격사유 해당자는 채용이 취소될 수 있어요.
• 장애인 및 국가보훈대상자는 지원 시 관련법에 따라 우대하고 있어요.

함께 할 동료를 위한 한마디

“ 투자자의 커뮤니티 경험을 추천으로 바꿔나갈 동료를 기다리고 있어요!"

• 매월 400만 명이 모이는 커뮤니티에는 수많은 이야기가 쌓이지만, 정작 사용자가 '지금 나에게 필요한 글'을 만나기는 여전히 어려워요. 저희는 추천과 개인화 기술로, 잘 아는 종목에서 출발해 새로운 관심사로 넓어지고 투자자들이 서로 공감대를 형성할 수 있는 피드 경험을 만들어가요.
• 토스증권 커뮤니티는 MAU 400만, 월간 글 작성자 30만 규모로 빠르게 성장하며 추천이 곧바로 제품 지표와 사용자 경험으로 연결되는 환경이에요. 단순한 프로젝트성 업무가 아니라, 수백만 사용자에게 실제 가치를 전달하는 추천 제품을 직접 만들고 검증할 수 있어요. 기술로 투자자들의 정보 경험을 혁신하고 커뮤니티를 더 가치 있는 공간으로 만들고 싶으신 분들 모두 환영해요!