검색품질팀은 Search Vertical과 Search Fleamarket, Search Place 세 파트로 나뉘고 각 파트가 서로 다른 도메인을 맡습니다. 같은 검색이라도 중고거래와 동네생활, 지도가 다루는 데이터가 달라서 지원 서류에서 본인이 어느 도메인에 가까운지 먼저 드러나야 합니다. 자격 요건은 모델을 만든 경험만이 아니라 그 모델을 서비스에서 운영해 본 경험을 함께 요구합니다.
이 공고 분석은 2026년 9월 13일에 이뤄졌습니다. 이후 채용이 종료되었을 수 있습니다.
당근은 2026년 2월에 피드실과 검색실, 광고실의 머신러닝 엔지니어를 함께 인터뷰한 글을 채용 블로그에 올렸습니다. 그 글은 '테니스채'를 검색하면 중고 테니스채와 함께 테니스 모임, 관련 광고가 한 화면에 이어진다는 예를 들면서 검색실이 검색어의 의도와 맥락을 해석해 결과를 고르는 조직이라고 설명합니다. 회사가 중고거래에서 부동산과 알바, 모임, 지도까지 서비스를 넓히는 동안 검색은 그 서비스들을 잇는 입구가 됐습니다. 검색품질팀이 파트를 도메인별로 나눠 둔 배경이 여기에 있습니다. 그래서 지원 서류에서도 본인이 다뤄 본 도메인이 무엇인지가 먼저 보여야 합니다.
당근이 지금 어디에 힘을 싣고 있는지는 당근 채용 분석에 정리해 두었습니다.
사용자의 검색 의도를 파악해 맞춤 키워드와 컬렉션, 상품을 추천합니다.
이렇게 볼 수 있어요
검색어를 그대로 매칭하는 일이 아니라 뒤에 있는 의도를 다루는 일입니다. 질의를 해석해 결과를 바꿔 본 경험이 있다면 정확도보다 사용자의 행동이 어떻게 달라졌는지를 적어야 이 항목에 맞습니다.
자연어 처리와 그래프 기반 모델, 개인화 알고리즘으로 검색 품질을 높입니다.
이렇게 볼 수 있어요
접근 방식을 셋으로 나눠 이름을 붙였습니다. 셋 다 해 본 사람을 찾는다기보다 파트마다 쓰는 방식이 다르다는 신호로 읽고 본인이 깊은 쪽 하나를 앞에 세우면 됩니다.
모델을 실시간으로 서빙하기 위해 경량화하고 아키텍처를 설계합니다.
이렇게 볼 수 있어요
모델 성능만이 아니라 응답 속도까지 책임지는 자리입니다. 지연 시간을 줄이려고 모델을 줄이거나 구조를 바꾼 경험이 있다면 그때의 기준을 함께 적어 두면 됩니다.
컬렉션 랭킹과 지식그래프, 키워드 제안 모델의 개선 실험과 운영을 담당합니다.
이렇게 볼 수 있어요
만드는 일과 굴리는 일이 한 문장에 같이 들어 있습니다. 배포한 모델이 시간이 지나며 나빠지는 것을 발견하고 다시 학습시킨 이력이 있으면 이 줄의 근거로 강합니다.
머신러닝 기반 추천, 검색, 랭킹 시스템을 실제로 설계하고 운영해 본 경험을 요구합니다.
이렇게 볼 수 있어요
연구 결과가 아니라 운영해 본 시스템을 묻습니다. 논문이나 경진대회 성과가 있더라도 서비스에 올려 둔 모델 이야기가 앞에 와야 합니다.
자연어 처리 또는 그래프 기반 추천 시스템 개발 경험을 묻습니다.
이렇게 볼 수 있어요
두 갈래 중 하나면 됩니다. 어느 쪽인지 이력서 첫 문단에서 밝혀 두면 세 파트 중 어디에 맞을지를 검토자가 바로 판단할 수 있습니다.
Python 기반의 머신러닝 훈련 파이프라인을 구축한 경험도 조건으로 두었습니다.
이렇게 볼 수 있어요
모델 코드가 아니라 파이프라인을 지목한 항목입니다. 학습을 반복 가능하게 만든 구조, 데이터 갱신 주기와 재학습 조건을 어떻게 정했는지가 여기에 해당합니다.
대용량 데이터를 활용한 실험 설계와 A/B 테스트 경험이 있어야 한다고 적었습니다.
이렇게 볼 수 있어요
지표를 정하고 결과를 판단한 경험을 봅니다. 실험이 실패해 모델을 되돌린 사례도 근거가 되고 그때 무엇을 보고 되돌렸는지가 오히려 설명하기 좋습니다.
모델 서빙과 성능 최적화를 고려한 시스템 구현 경험을 요구합니다.
이렇게 볼 수 있어요
업무 목록의 경량화 항목과 같은 내용을 자격 요건에서 다시 적었습니다. 두 번 나온 조건이라 면접에서 깊게 물어볼 가능성이 높습니다.
검색어 자동완성과 연관검색어, 오타 교정 같은 검색어 제안 모델링 경험을 우대 사항에 넣었습니다.
이렇게 볼 수 있어요
사용자가 검색어를 다 치기 전에 작동하는 영역입니다. 이 경험이 있다면 지연 시간 제약을 어떻게 맞췄는지까지 적어야 설득력이 붙습니다.
실시간 딥러닝 모델 추론 서빙 경험도 우대 항목입니다.
이렇게 볼 수 있어요
배치로 미리 계산해 두는 방식과 요청마다 추론하는 방식은 다룰 문제가 다릅니다. 어느 쪽을 해 봤는지 구분해 적어야 오해가 없습니다.
ML 엔지니어 팀에서 오너십을 가지고 랭킹이나 추천 같은 특정 도메인을 이끌어 본 경험을 우대합니다.
이렇게 볼 수 있어요
참고 사항에 역량에 따라 담당 영역이 조정될 수 있다고 적혀 있습니다. 한 도메인을 끝까지 맡아 본 이력이 있으면 그 범위를 숫자와 함께 밝히는 것이 배치 판단에 도움이 됩니다.
공고에 직접 적힌 것만 옮겼습니다.
세 파트 중 맞는 도메인 고르기
Search Vertical과 Search Fleamarket, Search Place가 각각 다른 데이터를 다룹니다. 상품 데이터를 주로 다뤘는지 장소나 업체 데이터를 다뤘는지에 따라 맞는 파트가 갈리므로 이력서 위쪽에서 그 차이가 보이게 정리해야 합니다.
운영한 모델 하나를 처음부터 끝까지 적기
자격 요건이 설계와 운영을 함께 묻습니다. 데이터 수집과 학습, 서빙, 실험, 재학습까지 한 모델을 따라가며 적으면 여러 항목에 한 번에 답할 수 있습니다.
지연 시간 제약을 다룬 이야기 준비하기
경량화와 서빙 최적화가 업무와 자격 요건 양쪽에 나옵니다. 정확도를 조금 내주고 응답 속도를 지킨 판단이 있었다면 그 기준을 숫자로 설명할 수 있게 정리해 두면 됩니다.
컬처핏 인터뷰 사례를 따로 준비하기
당근은 컬처핏 인터뷰에서 떨어지면 모든 공고에 1년간 지원할 수 없다고 채용 FAQ에 밝히고 있습니다. 실험 결과가 본인의 예상과 달랐을 때 어떻게 했는지는 인재상의 신뢰와 충돌 항목으로 이어지기 쉬운 주제입니다.
지원 현황 관리에 등록해 두면 전형 단계와 결과를 한자리에서 볼 수 있습니다.
지원 현황에 추가하기