<회사개요>
우리는 각국의 Hyperscale AI Private Cloud 구축 수요에 대응하는 글로벌 프라이빗 클라우드 플랫폼 기업입니다. 데이터 주권(Data Sovereignty)을 보장하는 소버린 환경에서 고성능 컴퓨팅(HPC)과 대규모 AI 모델 학습·추론을 위한 GPUaaS(GPU as a Service) 기반 인프라를 제공하여, 기업과 연구기관이 자체 데이터센터 안에서 AI 혁신을 가속화할 수 있도록 지원합니다.
단순한 클라우드 재판매가 아니라, 쿠버네티스 위에 GPU 스케줄링·모델 서빙·관측성·보안을 직접 설계하고 운영하는 플랫폼 엔지니어링 회사입니다. 지금은 제품을 글로벌 시장으로 확장하는 결정적인 단계이며, 이 여정을 기술로 이끌어줄 시니어 MLOps 플랫폼 엔지니어를 찾고 있습니다.
Position : 시니어 MLOps 플랫폼 엔지니어
Senior MLOps Platform Engineer
Hyperscale AI Private Cloud · Sovereign GPUaaS Infrastructure
포지션 시니어 MLOps 플랫폼 엔지니어 (정규직)
소속 AI 플랫폼 개발팀
경력 MLOps / 플랫폼 엔지니어링 7년 이상 (시니어급)
근무 형태 풀타임 · 글로벌 거점 확장에 따른 해외 체류 가능
핵심 도메인 GPUaaS · 멀티테넌트 모델 서빙 · 쿠버네티스 · 소버린 클라우드
이 포지션이 중요한 이유
MLOps 플랫폼은 우리 제품의 심장입니다. 고객이 GPU 클러스터 위에서 모델을 올리고, 학습하고, 서빙하고, 모니터링하는 모든 경험이 이 플랫폼의 완성도에서 결정됩니다. 이 자리는 파이프라인을 ‘구현’하는 역할을 넘어, 멀티테넌트 GPUaaS의 아키텍처를 정의하고 기술 표준을 세우며, 팀의 엔지니어링 수준을 끌어올리는 시니어 리더십을 기대하는 포지션입니다.
입사 후 함께 만들 것 (담당 업무)
MLOps 플랫폼 아키텍처 설계 — 모델의 학습·배포·서빙·재학습을 잇는 end-to-end 파이프라인과 그 위의 플랫폼 추상화를 설계하고 구현합니다.
멀티테넌트 모델 서빙 — 테넌트 간 격리(자원·네트워크·데이터)를 보장하면서 추론 지연과 처리량을 최적화한 모델 서빙 계층(예: vLLM·Triton·KServe)을 구축합니다.
GPU 자원 오케스트레이션 — Kueue 기반 큐잉·우선순위·공정 분배로 GPU 활용률을 끌어올리고, 학습/추론 워크로드의 스케줄링을 설계합니다.
GitOps 기반 배포 자동화 — ArgoCD와 Helm으로 선언적 배포·드리프트 감지·롤백을 표준화하여 재현 가능하고 안전한 릴리스 파이프라인을 만듭니다.
관측성·신뢰성 — 모델 성능·데이터 드리프트·추론 SLA를 추적하는 모니터링과 알림을 구축하고, 프로덕션 이슈의 근본 원인을 추적·해결합니다.
모델 거버넌스 — 버전 관리, 모델·데이터 계보(lineage), 재현성, 승인 워크플로 등 모델 생애주기 거버넌스 모범사례를 구현합니다.
보안·데이터 주권 — 소버린·온프레미스 제약 아래에서 인증·인가(Keycloak), 비밀관리, 데이터 프라이버시 기준을 모든 MLOps 활동에 내재화합니다.
비용·효율 최적화 — GPU·스토리지·네트워크 비용을 가시화하고, 파이프라인을 확장성과 비용 효율 관점에서 지속적으로 최적화합니다.
기술 리더십 — 기술 표준과 설계 리뷰를 주도하고, 데이터 과학자·인프라·제품 팀과 협업하며 동료 엔지니어를 멘토링합니다.
기술 스택
필수 경험은 아니지만, 아래 스택에 익숙하거나 빠르게 적응할 수 있는 분을 환영합니다.
영역 기술
오케스트레이션 Kubernetes, Kueue (GPU 잡 큐잉), Helm
배포 / GitOps ArgoCD, GitOps 워크플로, CI/CD
모델 서빙 / ML vLLM, Triton, KServe, Kubeflow, PyTorch, TensorFlow
백엔드 Go (Fiber), REST API, 마이크로서비스
데이터 / 메시징 PostgreSQL, NATS
인증 / 보안 Keycloak, 멀티테넌시, 소버린 / 온프레미스
인프라 GPU 클러스터, HPC, 컨테이너, IaC
자격 요건 (Must-have)
MLOps · DevOps · 플랫폼 엔지니어링 또는 관련 분야에서 7년 이상의 실무 경험.
프로덕션 환경에서 Kubernetes 기반 시스템을 설계·운영한 깊이 있는 경험.
머신러닝 모델 생애주기(학습→배포→서빙→모니터링→재학습)에 대한 깊은 이해.
Python 등 프로그래밍 언어에 능숙하고, PyTorch / TensorFlow 등 ML 프레임워크 실무 경험.
Docker·Kubernetes 등 컨테이너화·오케스트레이션 도구에 대한 숙련된 이해.
CI/CD 파이프라인, 인프라 자동화(IaC), Git 기반 버전 관리에 대한 실무 지식.
분산 시스템에서 발생하는 복잡한 문제를 구조적으로 진단·해결하는 능력.
프로덕션 모델 성능을 모니터링한 도구·실무 경험.
기술 의사결정을 주도하고 교차 기능 팀과 효과적으로 협업·소통하는 능력.
우대 사항 (Nice-to-have)
Kueue, Kubeflow 등 GPU 스케줄링·ML 워크플로 도구 활용 경험.
vLLM · Triton · KServe 등을 활용한 대규모 모델 서빙·추론 최적화 경험.
멀티테넌트 SaaS 또는 소버린/온프레미스 클라우드 플랫폼 구축 경험.
GPU 성능 튜닝, 분산 학습, HPC 환경 운영 경험.
ArgoCD 등 GitOps 도구로 배포 파이프라인을 표준화한 경험.
Go 기반 백엔드 또는 클라우드 네이티브 시스템 개발 경험.
오픈소스 컨트리뷰션 경험.
유연하고 자율적인 개발 문화에 대한 관심과 적응력.
이런 분과 함께하고 싶어요
‘동작하게 만드는 것’을 넘어 ‘잘 동작하도록 설계하는 것’에 자부심을 느끼는 분.
불확실한 문제를 스스로 정의하고, 우선순위를 정해 끝까지 끌고 가는 분.
자신의 지식을 문서·리뷰·멘토링으로 팀에 환원하는 분.
글로벌 확장의 빠른 변화 속에서 주도적으로 움직이는 것을 즐기는 분.
근무 환경 및 혜택
풀타임 정규직.
글로벌 테크 및 VC 네트워크와의 협업 기회.
해외 거점·사업 발굴 또는 확장에 따른 해외 체류 가능.
플랫폼의 핵심 아키텍처를 직접 정의하는 높은 기술 자율성과 임팩트.
최신 GPU·클라우드 네이티브 기술 스택을 실제 프로덕션 규모로 다루는 환경.
채용 절차
단계 내용
1. 서류 전형 이력서 · 경력기술서 검토
2. 기술 인터뷰 MLOps · 쿠버네티스 · 시스템 설계 중심 심층 인터뷰
3. 컬처 핏 인터뷰 협업 방식 · 팀 적합성 · 비전 공유
4. 처우 협의 및 최종 합격 조건 협의 후 합류
전형 절차는 지원자 상황에 따라 일부 조정될 수 있습니다.
지원 방법
이력서와 경력기술서/관련 오픈소스·GitHub·포트폴리오가 있다면 함께 첨부해 주시면 큰 도움이 됩니다.
<근무조건>
- 근무장소 : 서울시 강남구 역삼동
- 근무시간 : 09:00 ~ 18:00 ( 주 5일근무 )
- 연봉 : 협의 (경력과 능력에 따라 면접시 협의 )
<서류제출>
- 제출서류 : 국문이력서,경력기술서, 자기소개서 ( 본인 양식 MS-word file, 또는 첨부 양식에 작성.)
희망연봉 기재.
- 제출방법 : (E-mail) jhyoon@hrbrain.net
- 제출기한 : A.S.A.P
감사 합니다.
|
조회 : 105
