무신사 테크 조직의 ML Engineer 자리이고 경력 5년 이상을 요구합니다. 비주얼 서치와 패션 카탈로그 속성 추출이 업무의 중심이라, 모델을 만들어 본 경험보다 정확도를 어디까지 끌어올렸는지가 평가의 축입니다. 전형에 Live Coding과 System Design이 각각 따로 들어가 있어 다른 공고보다 기술 검증 단계가 깁니다.
이 공고 분석은 2026년 9월 13일에 이뤄졌습니다. 이후 채용이 종료되었을 수 있습니다.
무신사는 2026년 6월 외부의 비정형 트렌드 데이터를 학습해 트렌드 키워드와 상품 속성을 자동으로 결합하는 AI 트렌드 큐레이션을 모자 카테고리부터 적용했습니다. 같은 달 자체 개발한 '무신사 MCP'를 적용한 챗GPT 전용 앱도 냈습니다. 두 기능 모두 상품에 어떤 속성이 정확히 붙어 있느냐에 따라 결과가 달라집니다. 공고가 팀 소개 첫머리에 '패션 특화 속성을 정의하고 AI를 통해 추출·서비스한다'고 적은 것은 이 두 기능이 딛고 설 기반을 만드는 일이라는 뜻입니다.
무신사이 지금 어디에 힘을 싣고 있는지는 무신사 채용 분석에 정리해 두었습니다.
비주얼 서치와 카탈로그 속성 추출 등 패션 도메인 과제에 Vision·멀티모달 모델을 연구하고 프로덕션 수준으로 고도화합니다.
이렇게 볼 수 있어요
논문을 재현하는 데서 끝나지 않고 서비스에 올리는 단계까지가 업무 범위입니다. 학습시킨 모델이 배포된 뒤 어떤 지표가 움직였는지 말할 수 있어야 합니다.
LLM과 멀티모달 모델로 상품 카탈로그 데이터를 강화하고 서비스 품질을 개선합니다.
이렇게 볼 수 있어요
공고는 일반 오픈마켓과 달리 편집숍으로 선별한 상품을 다루기 때문에 노이즈를 허용하지 않는다고 적고 있습니다. 정확도를 어떤 기준으로 쟀고 어디까지 올렸는지를 데이터 기준과 함께 설명할 준비가 필요합니다.
모델 학습과 실험에 필요한 데이터를 가공하고 학습과 배포 파이프라인 구성에 참여합니다.
이렇게 볼 수 있어요
모델링만 맡는 자리가 아니라 데이터 파이프라인에도 손을 대는 자리입니다. MLOps 성격의 작업을 직접 해 봤는지가 지원자 사이를 가릅니다.
최신 AI 기술 동향을 빠르게 흡수해 팀 안에서의 적용을 제안합니다.
이렇게 볼 수 있어요
기술 동향을 파악하는 일과 팀에 실제로 적용하는 일은 다릅니다. 새 기법을 소개해 실제 채택까지 이어진 경험이 있다면 그 설득 과정을 정리해 두면 좋습니다.
LLM과 Multi-modal, Vision 모델 및 관련 서비스 개발 경험 5년 이상을 요구합니다.
이렇게 볼 수 있어요
연구 경력만으로는 절반만 채워집니다. 실제 사용자에게 노출된 모델을 다뤄 본 이력이 함께 있어야 합니다.
PyTorch와 HuggingFace 등 최신 프레임워크 활용 능력을 요구합니다.
이렇게 볼 수 있어요
프레임워크 하나를 오래 쓴 이력보다 새 도구로 빠르게 옮겨 간 이력을 봅니다. 최근에 나온 모델이나 라이브러리를 실무에 적용한 사례를 골라 두면 이 항목과 맞습니다.
복잡하고 모호한 문제를 체계적으로 해결하는 분석적 사고를 갖춘 사람을 찾습니다.
이렇게 볼 수 있어요
과제가 정의된 상태로 주어지지 않는다는 뜻입니다. 요구사항이 불분명한 상태에서 문제를 스스로 좁혀 푼 경험을 하나 준비해야 합니다.
모델 성능을 지속적으로 최적화하는 끈기와 집요함을 요구합니다.
이렇게 볼 수 있어요
한 번의 개선으로 끝나는 과제가 아니라는 신호입니다. 오래 붙들고 조금씩 올린 프로젝트가 짧고 화려한 성과보다 이 항목에 가깝습니다.
AI 학술지 논문 저자 또는 관련 오픈소스 기여 이력을 우대합니다.
이렇게 볼 수 있어요
논문이나 커밋 기록은 링크 한 줄로 확인되는 근거입니다. 이력서에 주소를 함께 적어 두는 편이 확실합니다.
클라우드 환경(AWS) 기반 서비스 운영 경험을 우대합니다.
이렇게 볼 수 있어요
모델을 만드는 데서 그치지 않고 운영까지 해 봤는지를 봅니다. 배포한 뒤 장애나 비용 문제를 다뤄 본 경험이 있다면 이 항목에 적을 내용입니다.
기술 리더십 또는 AI 프로젝트 리딩 경험을 우대합니다.
이렇게 볼 수 있어요
혼자 모델을 만든 경험과 여러 사람의 업무를 조율한 경험을 구분해서 봅니다. 팀을 이끌어 본 적이 있다면 담당 인원과 기간까지 적어 두는 편이 좋습니다.
공고에 직접 적힌 것만 옮겼습니다.
배포 이후의 이야기를 준비하기
학습과 실험에서 멈춘 프로젝트는 이 공고에서 절반만 읽힙니다. 프로덕션까지 끌고 간 사례를 한 건 골라 배포 전후의 지표를 함께 정리합니다.
Live Coding과 System Design을 나눠 준비하기
전형이 서류, Live Coding, System Design, 컬처핏 인터뷰 순으로 진행됩니다. 코딩 테스트와 시스템 설계 면접이 별개 단계이므로 준비도 나눠서 해야 합니다.
정확도 기준을 스스로 세워 본 경험 정리하기
공고가 노이즈를 허용하지 않는다는 표현을 직접 씁니다. 데이터 품질 기준을 만들고 걸러낸 경험이 있다면 기준값과 결과를 함께 적습니다.
이미지와 텍스트가 섞인 데이터를 다룬 경험 찾아보기
카탈로그 속성은 도메인마다 정의가 다릅니다. 상품 이미지와 설명을 함께 다뤄 본 경험이 있다면 어떤 속성 체계를 만들었는지까지 적어 두는 편이 좋습니다.
지원 현황 관리에 등록해 두면 전형 단계와 결과를 한자리에서 볼 수 있습니다.
지원 현황에 추가하기