FDE (AI Engineering)

주요업무

고객 문제의 정의부터 해결까지 End-to-End 수행 고객의 문서 처리 요구사항을 추출 항목·출력 스키마·평가 기준으로 구체화하고, 문제 해결 전략과 실행 계획을 수립합니다. Document AI 파이프라인 설계·구현 (비/반정형) 문서를 분석하고 다양한 전략 (OCR·문서 파서·VLM·LLM)을 활용해 데이터 내 의미론적으로 필요한 데이터에 대한 구조화를 비지니스 요구사항에 맞게 수행합니다. 문제 유형에 맞는 모델링·실험 데이터 탐색 → 피처 생성 → 모델링 → 평가를 수행하며, 비지니스 요구사항에 맞는 최적화된 기법을 활용하여 문제를 해결합니다. 운영 가능한 형태로 전환 정확도·처리 시간·비용을 함께 평가하고, 실패·불확실 상태를 구분하고 새 문서 유형에 대응할 수 있는 파이프라인을 만듭니다. 구조화한 데이터와 기능을 SAIP 등 후속 시스템에서 활용할 수 있도록 플랫폼과 협업합니다.

자격요건

사용한 모델·알고리즘의 동작과 한계를 설명하고, 낯선 기술을 문서·논문·코드로 학습하여 필요한 부분을 직접 구현·검증할 수 있는 분 AI·데이터 문제에서 baseline을 구현하고, 결과의 오류·한계를 근거와 함께 설명하며, 오류 분석·개선·재평가를 수행해 본 분 문제를 지표로 정의하고, 원인을 설명 가능하게 만들고, 개선을 위해 제어하는 방식으로 문제를 푸는 분 주어진 문제를 왜 풀어야 하는지, 어떻게 풀어야 하는지 적극적으로 소통하고 논의할 수 있는 분 컴퓨터과학 전공 또는 이에 준하는 CS 기초(자료구조·알고리즘·DB·OS·네트워크 등)를 갖춘 분 Python으로 데이터 처리·분석·모델링 코드를 작성하고 재현 가능한 실험을 수행할 수 있는 분 데이터 품질을 점검하고 Linux·CLI 및 컨테이너 환경에서 개발할 수 있는 분

우대사항

고객 현장에서 문제를 정의하고 산출물을 만들어 본 경험이 있는 분 고객 요구사항으로 태스크를 정의하고 분석 결과를 실제 의사결정·업무에 연결해 본 경험 Document AI 적용·개선 경험 OCR·문서 파싱·표 구조 복원·정보 추출·Document VLM 등을 실제 문서에 적용하고 오류를 분석해 개선한 경험 모델 학습·fine-tuning 경험 데이터·학습 목표·모델 내부 동작을 이해하고, 비교 실험으로 개선 효과와 한계를 확인한 경험 문서 기반 검색·LLM·에이전트 개발 경험 추출에 필요한 근거 검색, RAG·tool-calling, 출력 검증과 비용·관측 등 운영 이슈를 다뤄 본 경험 데이터·ML 파이프라인 구축·운영 경험 문서 유형에 따른 처리 경로 선택, 실패 시 대체 처리, 배치·서빙·모니터링 및 모델·프롬프트·스키마 변경에 따른 회귀 평가를 운영해 본 경험

기술스택

Python, LLM, OCR, RAG

채용절차

서류 전형 : 협업 리더/ 실무진과 HR에서 함께 제출하신 내용을 검토합니다. 최대한 빠르게 피드백 드리기 위해 노력하고 있어요! 사전 과제 : 보다 깊이 있는 직무 인터뷰 진행을 위해, 서류 전형 합격자를 대상으로 사전 과제 평가를 진행합니다. 사전 과제 수행 기간은 직군에 따라 1~2주일이며, 당락이 있습니다. 직무 인터뷰 : 이력서를 바탕으로 직무 담당 리더 및 실무진과 약 1시간 가량의 인터뷰를 진행합니다. 직무 인터뷰 시, 사전 과제 산출물에 대한 발표를 요청드릴 수 있습니다. 컬처 핏 인터뷰 : S2W의 인사 담당 리더와 진행하는 약 1시간 가량의 인터뷰 입니다. 회사와 지원자가 지향하는 비전과 가치가 잘 맞는지, 함께 성장할 수 있을지 판단하기 위해 진솔한 대화를 나누는 시간입니다. 직군/경력에 따라 CEO 인터뷰가 추가될 수 있습니다. 처우 협의 및 입사 : 정식 오퍼 메일을 통해 처우 협의와 입사일을 조율하고, 모든 과정이 완료되면 저희 팀에 합류하시게 됩니다.