[메가존클라우드] AI Research Engineer 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• Transformer 기반 거대언어모델·거대비전모델 AI 워크로드의 멀티 클라우드 비용 최적 실행환경을 자동으로 추천하는 Brain AI를 연구합니다. 대상은 AWS, Google Cloud, NHN Cloud 3종의 클라우드입니다.

  이렇게 볼 수 있어요

  유닛 소개는 이 연구를 AI 운영 비용 최적화라는 기업의 요구를 푸는 일이라고 설명합니다. 같은 워크로드를 어느 클라우드의 어떤 자원에서 돌릴지가 연구 대상이라, GPU 비용이나 추론 지연을 재고 비교해 본 경험이 연구 주제와 가장 가깝습니다.

• Transformer 기반 아키텍처로 Brain AI를 설계하고, SOTA 성능을 달성하기 위해 아키텍처와 학습 알고리즘을 개선합니다.

  이렇게 볼 수 있어요

  추천 모델 자체도 Transformer로 만듭니다. Transformer 구조나 학습 알고리즘을 고쳐 벤치마크 수치를 올려 본 연구가 있다면 무엇을 바꿨고 수치가 얼마나 올랐는지를 함께 밝히는 게 좋습니다.

• 클라우드 환경의 AI 워크로드 실행 데이터를 수집·분석하고, NVIDIA L40S GPU 기반 자체 계산 클러스터로 Brain AI를 학습하고 검증합니다.

  이렇게 볼 수 있어요

  Brain AI를 학습시킬 데이터를 클라우드 환경의 AI 워크로드 실행 데이터에서 직접 모으고, 학습과 검증도 자체 L40S 클러스터에서 합니다. 실험용 데이터를 설계해 수집한 일과 GPU 클러스터에서 학습을 운영한 일을 한 연구 안에서 함께 해 본 경험이 이 업무의 구성과 맞습니다.

• 문제 정의, 데이터 수집·분석, 방법론 설계, 실험·평가까지 연구의 각 단계에서 실질적인 결과를 내고 동료들과 효과적으로 협업합니다.

  이렇게 볼 수 있어요

  실무 면접 안내도 연구 성과를 동기, 문제, 가설, 실험, 결과, 한계점 흐름으로 발표하라고 요구해, 면접에서도 이 단계 구분대로 연구를 설명하게 됩니다. 공동 연구였다면 내가 맡은 단계와 그 단계의 결과를 따로 말할 준비가 필요합니다.

• Brain AI와 관련 기술을 발전시킬 새 연구 문제를 계속 찾고, 연구 결과를 제품화해 AI 최적 운영의 병목 해결을 선도합니다.

  이렇게 볼 수 있어요

  연구가 논문에서 끝나지 않고 Megazone AIR 제품 라인으로 들어갑니다. 유닛 소개도 격차 기술로 제품의 차별화 우위를 확보한다고 적었습니다. 연구 결과를 서비스나 사내 도구로 옮겨 본 경험이 이 업무와 가장 가깝습니다.

2자격 요건

• 국제 학회 및 저널에 1저자로 peer-reviewed 연구 논문을 출판한 경험이 있어야 합니다.

  이렇게 볼 수 있어요

  문제 정의부터 평가까지 연구 단계 전체를 이끈 경험을 1저자 논문으로 보여 줄 수 있습니다. 논문 주제가 비용 최적화와 멀어도 그 연구에서 문제를 어떻게 정의했는지는 Brain AI 연구와 이어집니다.

• 컴퓨터과학, 전기 및 전자공학 관련 분야 석사 학위 또는 이에 상응하는 경험이 있어야 합니다.

  이렇게 볼 수 있어요

  1저자 논문은 별도 필수 요건이라, 석사 학위가 없다면 그 논문을 낸 연구에서 모델을 직접 구현하고 실험한 범위를 자세히 밝혀 상응하는 경험으로 보여 줄 수 있습니다.

• 학문적 참신함과 실용적 임팩트를 함께 가지는 '뛰어난 결과'를 창출하려는 자발적 동기와 마지막 디테일까지 일을 완결 짓는 책임감이 있어야 합니다.

  이렇게 볼 수 있어요

  공고는 Brain AI의 목표로 SOTA 성능 달성과 제품화를 함께 적었습니다. 논문으로 낸 기법을 실제 시스템에 붙여 끝까지 마무리한 경험이 있다면 이 요건이 말하는 '뛰어난 결과'와 일을 완결 짓는 책임감을 한 사례로 설명할 수 있습니다.

• 중요한 질문을 던지고, 복잡한 데이터와 정리되지 않은 생각들로부터 정확한 연구 문제를 정의하는 능력이 있어야 합니다.

  이렇게 볼 수 있어요

  워크로드 실행 데이터를 직접 모아 무엇을 예측할지 정하는 데서 연구가 시작됩니다. 정리되지 않은 로그나 측정값에서 연구 질문을 세운 경험이 있다면 처음 질문과 최종 질문이 어떻게 달라졌는지 말할 수 있어야 합니다.

• 높은 수준의 불확실성과 모호함이 상존하는 상황에서 지속적인 연구 진척을 만들어 내는 능력이 있어야 합니다.

  이렇게 볼 수 있어요

  업무 마지막 항목이 새 연구 문제를 계속 찾는 일이라 받은 과제만 수행하는 연구가 아닙니다. 가설이 틀렸을 때 방향을 바꿔 결과를 낸 경험은 면접 발표의 한계점과 후속 연구 부분에서 꺼낼 수 있습니다.

• 이론적 단단함뿐 아니라 코딩, 데이터 수집, 실험 등으로 핸즈온(hands-on)할 수 있는 능력이 있어야 합니다.

  이렇게 볼 수 있어요

  업무에서 데이터 수집과 L40S 클러스터 학습을 연구자가 직접 맡습니다. 직접 짠 수집 코드나 실험 코드 저장소가 있다면 링크를 함께 내 핸즈온 범위를 확인할 수 있게 합니다.

• 아는 것과 모르는 것에 솔직하고, 일이 잘 풀리지 않는 어려운 상황에서 건설적으로 논의하는 자세가 있어야 합니다.

  이렇게 볼 수 있어요

  공고는 실무 면접에서 연구 과정에서 얻은 레슨을 인사이트 중심으로 알려 달라고 따로 안내했습니다. 실패한 실험을 동료와 다시 설계한 경험이 그 레슨의 소재가 됩니다.

3우대 사항

• NeurIPS, ICML, ICLR, CVPR 등 탑티어 기계학습 국제 학회 논문 출판 실적을 우대합니다.

  이렇게 볼 수 있어요

  CVPR이 함께 적혀 있어 거대비전모델 워크로드를 다루는 연구 주제와도 이어집니다. 해당 학회 논문이 있다면 저자 순서와 주제를 함께 적는 게 좋습니다.

• 컴퓨터과학, 전기 및 전자공학 관련 분야 박사 학위를 우대합니다.

  이렇게 볼 수 있어요

  박사 과정의 연구 주제가 시스템, 분산 학습, 모델 효율화처럼 AI 운영 비용과 이어진다면 학위 논문 제목과 핵심 결과를 함께 소개할 수 있습니다.

• 딥러닝과 최신 LLM에 대한 깊은 이해를 우대합니다.

  이렇게 볼 수 있어요

  Brain AI가 실행환경을 추천하는 대상이 거대언어모델 워크로드입니다. LLM의 학습·추론 자원 사용 특성을 다뤄 본 경험은 우대 항목과 업무에 함께 걸칩니다.

4기타 사항

• 게시일 : 2025년 7월 8일
• 고용형태 : 정규직(정규직 전환을 위한 3개월 평가 필요)
• 근무지 : 메가존산학연센터(과천) (대한민국 경기도 과천시 7길 과천대로 74)
• 경력 조건 : 경력 2~10년
• 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.

쓰는 기술

공고 본문에 적힌 기술만 모은 목록입니다.

• Transformer
• AWS
• Google Cloud
• NHN Cloud
• NVIDIA L40S

전형과 지원

메가존얼라이언스 채용 담당자가 안내하는 기본 절차는 지원서 제출, 1차 실무면접, 2차 바레이저면접, 3차 최종면접, 입사조건 검토, 최종합격의 6단계입니다. 분석 시점에 열어 본 메가존(주) 공고는 대부분 바레이저면접 없이 실무 면접과 최종 면접을 적었고(Physical AI 사업단의 품질 보증, 서비스·제품 기획, 데이터 엔지니어링, 백엔드 엔지니어링 공고는 실무 면접 뒤 바로 입사 조건 검토), 코딩 테스트와 기술 면접은 부서와 직무에 따라 붙습니다.

지원 전 준비할 것

1. 1

   실무 면접 발표 자료

   공고 안내대로 직접 주도하거나 기여한 연구 1~2개를 골라 동기, 문제, 가설, 실험, 결과, 한계점과 후속 연구 순서로 발표 자료를 만듭니다.

2. 2

   연구 레슨 한 가지

   연구 과정에서 얻은 레슨을 인사이트 중심으로 알려 달라는 안내에 맞춰, 틀린 가설 하나와 그 뒤에 바꾼 방향을 정리합니다.

3. 3

   비용·성능 측정 기록

   학습이나 추론에서 GPU 시간, 비용, 지연을 잰 실험이 있다면 측정 조건과 수치를 표로 만들어 Brain AI 연구와 연결해 설명할 수 있게 합니다.