[LG에너지솔루션] Data Science 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• 제조 공정 데이터로 제품 품질 예측 모형과 원인 탐색 알고리즘을 개발합니다.

  이렇게 볼 수 있어요

  조직 소개가 문제 정의부터 실제 적용까지를 이 분야의 일로 적었으므로, 원인 탐색도 모델이 내놓은 변수 목록에서 끝나지 않고 공정을 바꾸는 데까지 이어져야 합니다. 원인으로 지목한 변수를 현장에서 바꿔 품질이 실제로 달라졌는지 확인한 사례가 있다면 그 과정이 이 업무의 대표 경험입니다.

• 제품 측정 데이터 기반 불량 검출 AIML 모형을 개발하고, 양산에 적용한 뒤에도 성능을 유지하는 방법을 개발합니다.

  이렇게 볼 수 있어요

  모델을 배포한 뒤 성능 유지까지 맡습니다. 데이터 분포가 바뀌어 모델을 다시 맞춘 경험이 있다면 어떤 신호로 성능 저하를 알아챘는지까지 설명할 수 있습니다.

• 예측 모형 기반 최적 공정 조건 도출 알고리즘을 개발·배포하고 DoE를 설계·분석합니다.

  이렇게 볼 수 있어요

  예측 모형으로 최적 조건을 찾는 일과 DoE를 나란히 적어, 모델이 제안한 조건을 실제 실험으로 확인하는 과정까지 이 업무에 들어 있습니다. DoE로 실험을 설계하고 그 결과를 다시 모델에 넣어 조건을 좁혀 간 경험이라면 이 업무의 두 부분을 한 과제로 설명하게 됩니다.

• 실험 장치 스케줄링 최적화 알고리즘을 개발하고 운영합니다.

  이렇게 볼 수 있어요

  실험 장치를 언제 어떤 순서로 돌릴지 정하는 스케줄링 문제를 최적화 알고리즘으로 풀고 운영까지 맡습니다. 우대 사항의 최적화 Solver 경험이 이 업무에 쓰이므로 스케줄링 문제를 풀어 봤다면 문제 규모와 줄인 시간을 수치로 적을 수 있습니다.

• 원자재 시장 가격 예측을 위한 시계열 예측 모형을 개발합니다.

  이렇게 볼 수 있어요

  다른 업무가 모두 공장 안의 데이터를 다루는데 이 업무는 시장 가격을 다룹니다. 가격이나 수요처럼 외부 시장 데이터로 시계열 모형을 만들어 본 경험은 제조 데이터 경력과 따로 적어야 우대 사항의 시계열 예측과 이 업무에 함께 쓰입니다.

2자격 요건

• 통계학, AI, 컴퓨팅, 수학, 최적화 관련 연구로 석·박사 학위를 받았어야 합니다.

  이렇게 볼 수 있어요

  전공 분야에는 화학·전기화학·재료공학 같은 배터리 계열 전공이 적혀 있고, 필수 사항은 연구 분야를 통계학·AI·컴퓨팅·수학·최적화로 정했습니다. 업무의 품질 예측, DoE, 스케줄링 최적화가 모두 이 방법론으로 푸는 일이라, 화학이나 재료공학 전공자라면 학위 연구에서 쓴 통계·AI·최적화 방법을 논문 제목과 함께 적으면 업무와의 연결이 생깁니다.

• 통계학, AI, 최적화 방법론에 대한 이해가 필요합니다.

  이렇게 볼 수 있어요

  같은 CDO 상시 공고의 AI기술개발과 비전AI기술개발 분야는 필수 사항을 딥러닝 이해와 프레임워크 경험으로 적었습니다. 이 분야는 같은 프레임워크 경험에 통계와 최적화 방법론까지 필수로 둡니다. 업무에 맞춰 보면 원인 탐색과 DoE는 통계로, 불량 검출 모형은 AI로, 실험 장치 스케줄링과 최적 공정 조건 도출은 최적화로 풉니다. 공정에 원인을 설명해야 하는 품질 과제에서는 딥러닝보다 회귀·분산분석 같은 통계 결과가 공정 변경으로 이어지는 경우가 많습니다. 과제마다 어떤 방법을 왜 골랐는지가 이 요건의 실제 모습입니다.

• Python 프로그래밍 경험과 Pytorch·Tensorflow 등 딥러닝 프레임워크 경험을 요구합니다.

  이렇게 볼 수 있어요

  딥러닝 프레임워크 경험은 업무의 불량 검출 AIML 모형 개발에 쓰입니다. 측정 데이터나 이미지로 불량 검출 모델을 Pytorch나 Tensorflow로 만들어 본 일이 있다면 그 모델이 이 필수 사항과 업무를 함께 보여 주는 예입니다.

• 대용량 데이터 분석과 예측 모델 개발 경험이 필요합니다.

  이렇게 볼 수 있어요

  업무에 적힌 제조 공정 데이터와 제품 측정 데이터가 이 분야에서 다룰 대용량 데이터입니다. 라인이나 설비 단위로 쌓인 데이터를 다뤄 봤다면 데이터 규모를 행 수나 기간으로 적어 '대용량'이 어느 정도였는지 밝힐 수 있습니다.

• 지원서 작성 시점에 석사는 경력 만 12개월 이상이어야 하고, 박사는 경력 기간 제한이 없습니다('27년 2월 졸업예정자도 지원할 수 있습니다). 학위 과정(재학) 중의 경력은 기간에 넣지 않고, 분야별 필수 요건이 있으면 그쪽이 우선입니다.

  이렇게 볼 수 있어요

  석사 12개월은 문제 정의에서 모델 개발, 현장 적용까지 조직 소개가 말하는 End-to-End 과정을 한 번 이상 끝까지 겪어 본 기간을 가리킨다고 볼 수 있습니다. 박사는 '27년 2월 졸업 예정이어도 경력 제한이 없습니다. 그래서 회사 경력 대신 학위 연구를 현장 데이터에 적용해 본 범위가 업무 항목 가운데 어디까지인지를 보여 주게 됩니다.

• 해외여행에 결격 사유가 없어야 하고, 남성은 병역을 마쳤거나 면제여야 합니다(전문연구요원 전직 불가).

  이렇게 볼 수 있어요

  원문의 '전문연구요원 전직 불가'는 남은 복무를 이 회사로 옮겨 이어 갈 수 없다는 뜻이어서, 전문연구요원으로 복무 중이라면 복무를 마친 뒤가 지원 시점입니다. 해외여행 결격 사유 조항은 해외 출장에 대비하는 뜻도 있지만, 형사재판을 받고 있거나 출국금지·여권 발급 제한으로 출국할 수 없는 지원자를 간접적으로 거르려는 목적이 더 큽니다.

3우대 사항

• 현장 문제 해결을 위해 가설을 세우고 데이터로 검증한 뒤 솔루션을 배포해 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  조직 소개도 이 분야를 End-to-End로 설명하므로 한 과제를 처음부터 배포까지 맡은 경험이 이 우대 사항에 가장 가깝습니다.

• 이차전지에 관심이 있거나 이차전지 원리를 이해하는 분을 우대합니다.

  이렇게 볼 수 있어요

  전공 분야에 화학과 전기화학이 컴퓨터공학과 함께 적혀 있고, 향후 비전으로는 배터리 제조 분야의 문제를 푸는 전문가를 들었습니다. 이차전지 이해는 공정 데이터의 변수가 무엇을 뜻하는지 알고 원인을 찾는 업무의 바탕이 됩니다. 통계나 컴퓨터 전공이라 이차전지를 따로 배운 적이 없다면 원리를 익힌 과정이나 다뤄 본 제조 데이터를 짧게 적어 두는 것이 이 우대 사항에 맞춘 준비입니다.

• 시계열 데이터를 처리·분석하고 예측 모형을 개발한 경험이나 관련 전문 지식을 우대합니다.

  이렇게 볼 수 있어요

  업무의 원자재 시장 가격 예측이 이 경험을 직접 쓰는 일입니다. 설비 센서처럼 공장 안의 시계열을 다뤄 봤더라도 예측한 대상과 예측 기간을 함께 적으면 가격 예측 업무에 쓸 수 있는 방법인지가 보입니다.

• (Data Science) 통계적 혹은 AIML 방법론 연구 논문 출판 경험을 우대합니다.

  이렇게 볼 수 있어요

  괄호 안의 Data Science와 Solver 우대의 최적화기술개발이 나란히 적혀 있어 이 분야 안에 두 갈래가 함께 있습니다. 방법론 논문은 품질 예측·원인 탐색처럼 새 알고리즘을 만드는 업무와 이어지는 Data Science 쪽 우대라, 논문이 있다면 그 방법론을 업무의 어느 모형에 쓸 수 있는지 함께 적어 둡니다.

• (최적화기술개발) Gurobi, Xpress 등 최적화 Solver 사용 경험을 우대합니다.

  이렇게 볼 수 있어요

  이 우대 사항은 최적화기술개발 쪽에 해당하고, 업무 가운데 실험 장치 스케줄링 최적화와 최적 공정 조건 도출이 Solver로 푸는 문제입니다. Gurobi나 Xpress가 아닌 Solver를 썼더라도 스케줄링이나 배치 문제를 수리 모형으로 세워 풀어 본 경험이면 실험 장치 스케줄링과 같은 종류의 문제를 다뤄 본 셈입니다.

4기타 사항

• 게시일 : 2026년 9월 7일
• 고용형태 : 해당 내용은 원본 공고에서 확인되지 않습니다.
• 근무지 : 파크원, 서초R&D캠퍼스
• 경력 조건 : 석사 경력 만 12개월 이상 · 박사 경력기간 제한 없음
• 학력 조건 : 통계학, AI, 컴퓨팅, 수학, 최적화 관련 연구 석/박사 학위

전형과 지원

분석한 LG에너지솔루션 공고는 모두 서류전형, LG Way Fit Test 및 영어 Oral Test, 1차 면접(직무면접 포함), 2차 면접(채용 검진 및 평판조회 포함), 최종전형 순입니다. 직무면접 방식은 분야마다 따로 적혀 있습니다.

지원 전 준비할 것

1. 1

   End-to-End 사례

   문제 정의부터 모델 배포, 효과 측정까지 맡은 과제 하나를 순서대로 정리하세요.

2. 2

   최적화·DoE 경험

   최적화 Solver나 실험계획법을 써 본 경험이 있다면 어떤 문제에 썼고 결과가 어땠는지 과제마다 적어 둡니다.

3. 3

   상시 공고 활용

   약 2~3주 주기로 검토하고 '27년 3월까지 운영합니다. 직무면접은 PT 면접입니다.