이 자리가 왜 생겼을까요
공고는 Personalization팀이 무신사, 29CM, 글로벌 등 팀 무신사의 여러 서비스에서 개인화 경험을 맡고, 데이터엔지니어와 데이터사이언티스트, 머신러닝엔지니어, 백엔드엔지니어가 한 팀에서 end-to-end로 협업한다고 소개합니다. 바이라인네트워크의 2026년 7월 보도에 따르면 무신사 글로벌 스토어는 전 세계 13개 지역 소비자에게 상품을 배송하고, 2026년 1분기 글로벌 스토어 거래액은 전년 동기 대비 43% 늘었습니다. 공고는 이 팀이 여러 플랫폼을 아우르는 추천 아키텍처를 다루고 글로벌 다문화권을 반영한 추천 모델도 개발한다고 적었습니다. 서로 다른 서비스나 국가의 사용자에게 추천 모델을 적용해 본 경험이 있다면 서비스마다 무엇을 다르게 했는지 나눠 씁니다.
무신사가 지금 어떤 사업에 집중하고 있는지는 무신사 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
무신사, 29CM 등 팀 무신사의 여러 플랫폼을 대상으로 개인화 추천 모델을 개발하고 실제 서비스에 적용·운영합니다.
이렇게 볼 수 있어요
모델을 만드는 데서 끝나지 않고 서비스에 붙여 운영까지 합니다. 공고는 글로벌 다문화권을 반영한 추천 모델 개발도 과제로 적었으므로 여러 서비스나 여러 국가에 모델을 적용해 본 경험이 있다면 따로 밝혀 둡니다.
대규모 사용자 행동 로그를 바탕으로 추천 모델에 필요한 피처 파이프라인과 지속적인 모델 개선을 위한 피드백 루프를 설계·고도화합니다.
이렇게 볼 수 있어요
피처를 만드는 파이프라인과 결과를 다시 모델에 넣는 피드백 루프까지 맡습니다. 대규모 사용자 행동 로그가 전제라 처리해 본 로그 규모가 경험의 폭을 좌우합니다.
여러 서비스와 비즈니스 요구사항을 반영하도록 추천 시스템의 아키텍처와 인프라를 설계·개선하고, 안정적으로 확장할 수 있는 구조를 만듭니다.
이렇게 볼 수 있어요
데이터 사이언티스트 공고지만 시스템 설계가 업무에 들어 있습니다. 팀에 ML 엔지니어와 백엔드 엔지니어가 함께 있으므로 설계에서 직접 맡은 부분과 협업한 부분을 나눠 설명하는 편이 정확합니다.
최신 AI/ML 기술을 탐색해 추천 시스템에 적용하고 모델과 서비스의 품질을 계속 높입니다.
이렇게 볼 수 있어요
공고는 LLM과 그래프 기반 추천을 예로 들었습니다. 새 기법을 탐색만 한 경험과 실제 추천에 적용해 지표를 바꾼 경험은 무게가 다릅니다.
2자격 요건
추천, 랭킹, 검색 등 ML 모델과 서비스 개발 경험이 7년 이상이거나 이에 준하는 역량을 보유해야 합니다.
이렇게 볼 수 있어요
분석 경력이 아니라 모델과 서비스 개발 경력으로 연차를 셉니다. 추천·랭킹·검색 모델을 개발한 기간을 경력마다 따로 적어 두면 연차 조건과 맞춰 보기 쉽습니다.
대규모 사용자 행동 로그로 ML 모델을 개발하고 실제 프로덕션 환경에 적용·운영해 본 경험이 필요합니다.
이렇게 볼 수 있어요
오프라인 실험만으로는 이 요건을 채우지 못합니다. 대규모 행동 로그로 만든 모델을 프로덕션에 올리고 운영하며 고쳐 본 경험까지 요구합니다.
AWS 등 클라우드 환경에서 서비스를 구축하고 운영해 본 경험이 필요합니다.
이렇게 볼 수 있어요
팀의 인프라는 AWS, Kubernetes, Docker 등으로 적혀 있습니다. 클라우드를 써 본 경험이 아니라 서비스를 구축하고 운영해 본 경험을 요구하므로, 모델 서빙이나 파이프라인을 직접 띄워 운영한 경력이 요건에 맞습니다.
3우대 사항
복잡한 비즈니스와 서비스 요구사항을 구조화하고 대규모 추천 시스템의 설계와 구축을 주도해 본 경험을 우대합니다.
이렇게 볼 수 있어요
이 우대 사항은 설계를 '주도'한 경험을 봅니다. 추천 시스템 구조를 처음 정할 때 어떤 요구사항을 어떻게 나눴는지 설명할 수 있으면 이 항목에 맞습니다.
Flink, Kafka 등으로 실시간 데이터 스트리밍 파이프라인을 구축하거나 운영해 본 경험을 우대합니다.
이렇게 볼 수 있어요
실시간 피드백 루프를 만드는 업무에 쓰이는 경험입니다. 스트리밍 파이프라인의 처리량과 지연 시간을 숫자로 말할 수 있으면 경험의 규모가 전달됩니다.
대규모 트래픽 환경에서 모델 서빙 성능을 최적화하고 장애에 대응해 본 경험을 우대합니다.
이렇게 볼 수 있어요
개선 전후의 응답 시간이나 장애 처리 과정을 한 사례로 정리해 둡니다.
콜드 스타트 등 실제 서비스 환경의 문제를 해결하며 추천 모델을 최적화해 본 경험을 우대합니다.
이렇게 볼 수 있어요
공고는 실제 서비스 환경의 문제로 콜드 스타트를 예로 들었습니다. 콜드 스타트를 어떤 방법으로 풀었고 지표가 어떻게 바뀌었는지가 이 항목의 사례입니다.
패션·커머스 도메인에 높은 관심이 있거나 관련 서비스 경험을 우대합니다.
이렇게 볼 수 있어요
도메인 경험은 필수가 아닙니다. 커머스 경력이 없다면 무신사나 29CM의 추천 화면을 써 보고 개선점을 정리해 두는 것으로 관심을 보여 줄 수 있습니다.
4기타 사항
- 게시일 : 2026년 10월 15일
- 고용형태 : 정규직(수습 3개월)
- 근무지 : 무신사 성수 오피스
- 경력 조건 : 경력 7년 이상
- 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.
쓰는 기술
공고 본문에 적힌 기술만 모은 목록입니다.
- PyTorch
- Hugging Face
- Scikit-learn
- Kafka
- Redis
- BigQuery
- Elasticsearch
- MongoDB
- AWS
- Kubernetes
- Docker
- Argo
- Airflow
- Databricks
- Triton Inference Server
- Ray
- MLflow
- Flink
전형과 지원
무신사 정규직 공고는 기본적으로 인터뷰를 두 번 봅니다. 공고에 따라 3차 인터뷰나 커피챗처럼 단계가 하나씩 더 붙으므로 지원할 공고의 전형 절차 항목을 따로 확인해야 합니다.
정규직은 인터뷰 두 번
분석 시점 정규직 117건을 전수로 보면 96건이 서류, 1차 인터뷰, 2차 인터뷰, 처우 협의, 최종합격으로 같습니다. 인터뷰가 한 번뿐인 전형은 계약직 7건에만 나타납니다. 지원 마감일이 없는 상시 지원이 대부분입니다.
공고마다 붙는 단계
분석 시점 개발과 머신러닝 직군 7건에는 Live Coding이나 System Design, 컬쳐핏, 기술과제가 붙고 6건에는 3차 커피챗이, 4건에는 과제 전형이 붙습니다. 통역 테스트나 중국어, 일본어 커뮤니케이션 역량 검증이 붙는 공고도 있습니다.
이렇게 볼 수 있어요
분석 시점에 표준형이 아닌 공고는 117건 중 21건이었습니다. 일정을 잡기 전에 지원할 공고의 전형 절차 줄을 직접 읽어야 하고, 커피챗이 붙은 공고는 단계가 하나 더 있는 만큼 기간을 더 잡는 편이 좋습니다.
서류에 적으라고 안내한 것
공고 대부분이 지원 서류 안내에 같은 문장을 답니다. "왜 해당 문제를 해결해야 했는지, 어떤 전략을 세웠는지, 어떤 성과가 있었는지 등에 대한 문제 정의, 문제 해결, 성과에 대한 전반적인 내용을 담아주세요"와 "프로젝트별 기여도 표시"입니다.
이렇게 볼 수 있어요
회사가 서류의 구성을 사실상 지정한 셈입니다. 프로젝트마다 문제 정의와 해결, 성과가 다 있는지 세어 보면 그대로 자가 점검이 되고 기여도 표시는 빠뜨리기 쉬우니 따로 확인합니다.
근무 조건
선택적 근로시간제를 운영하고 코어타임은 11시부터 16시까지입니다. 신규 입사자는 3개월 수습이며 수습 기간에도 급여와 복지가 100% 적용됩니다.
이 공고만 다른 점
2차 인터뷰 뒤에 3차 인터뷰가 붙어 서류 전형, 1차 인터뷰, 2차 인터뷰, 3차 인터뷰, 처우 협의, 최종합격 순입니다.
무신사 정규직 공고의 기본 흐름보다 인터뷰가 한 번 더 있습니다. 다른 회사 일정과 함께 진행한다면 전형 기간을 그만큼 길게 잡아 두는 편이 안전합니다.
지원 전 준비할 것
- 1
프로덕션에 올린 추천 모델 한 건 고르기
실제 서비스에 적용한 추천·랭킹 모델 하나를 골라 문제 정의, 모델과 피처, 서빙 구조, 지표 변화를 순서대로 정리합니다. 공고의 이력서 작성 팁이 프로젝트별 기여도 표시를 요청하므로 본인이 맡은 부분도 함께 적어 두세요.
- 2
파이프라인과 인프라 경험 나눠 적기
피처 파이프라인, 실시간 스트리밍, 모델 서빙 가운데 직접 만든 것과 협업한 것을 나눠 적고, 쓴 도구를 Kafka, Airflow, MLflow처럼 공고의 이름 그대로 밝힙니다.
- 3
콜드 스타트 해결 방법 준비하기
신상품이나 신규 사용자 추천을 어떻게 풀었는지 한 사례를 준비해 두면 우대 사항과 인터뷰 질문에 함께 쓸 수 있습니다.