ML Engineer (CSS)

합류하게 될 팀에 대해 알려드려요

• 토스의 ML Engineer (CSS)는 토스의 Credit Modeling팀에 속해 있고, 다양한 백그라운드를 가지고 있는 ML Engineer들이 한 팀으로 구성되어 있어요.
• Credit Modeling팀은 대출, 카드, 계좌 등 여러개의 금융 서비스들이 모여있는 Financial Marketplace 도메인에 소속되어 대출비교플랫폼에 입점한 금융사들을 위한 Risk Index 모형을 개발하고, 도메인내 다양한 금융 서비스들의 비즈니스 문제를 머신러닝을 통해 해결하는 업무를 담당하고 있어요.
• 토스 데이터 조직에 대해 더 알아보고 싶다면? [→ 토스 Data Division 위키](https://recruit-data-division.oopy.io/)

합류하면 함께 할 업무예요

• 대출 니즈 모형, 카드 발급 예측 모형, 신용평가 모형 등 신용과 대출 도메인 영역에서 유저에게 맞춤형 서비스를 제공하기 위한 다양한 ML 모델을 개발해요.
• Data Mining / Machine Learning / Deep Learning 기술들을 활용하여 새로운 가치를 발굴해 비즈니스 고도화에 기여해요.
• 신규 서비스 및 사업 영역의 발굴을 위해 다양한 데이터에 대한 분석 및 탐색을 진행해요.
• 빠르게 변화하는 비즈니스 성장 전략과 방향성에 맞도록 모델을 고도화하고 최적화를 수행해요.

이런 분과 함께하고 싶어요

• 개인 혹은 개인사업자의 대안/신용평가모델(CSS)을 개발해 내재화하신 경험이 필요해요.
• 신용평가모형 개발 환경, 제도, 규제에 대한 이해를 바탕으로 독립적이고 주도적인 모델링 경험이 필요해요.
• 복잡한 원천 데이터로부터 데이터 정제 작업을 직접 해보신 경험이 필요해요.
• Python, SQL 등의 언어를 능숙하게 다룰 수 있는 분이 필요해요.
• Machine Learning / Deep Learning 등 최신 알고리즘을 활용한 실제 비즈니스 문제 해결 경험이 필요해요.
• 다양한 최신 기술에 관심이 있고, 새로운 것을 학습하고 성장하기를 원하시는 분이 필요해요.

이력서는 이렇게 작성하시는 걸 추천해요

• 현재 채용 공고와 관련 있었던 업무/프로젝트, 그 결과에 대해 구체적으로 작성해주세요.
• 프로젝트에서 어떤 모델을 사용했는지 구체적으로 작성해주세요.
• Machine Learning 모형을 직접 개발하고 서비스에 적용해 본 경험이 있다면 구체적으로 작성해주세요.
• 기술적으로 외부 공개가 민감한 사항일 경우, 해당 부분은 제외해주세요.

토스로의 합류 여정

• 서류 접수 > 프리 인터뷰 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격
• 프리 인터뷰에서는 지원서 기반의 주요 경험과 직무 적합도를 중심으로 면접이 진행될 예정이에요.
• 직무 인터뷰에서는 심층 기술 면접과 ML 모델 설계를 주제로 면접이 진행될 예정이에요.

함께할 동료를 위한 한마디

"금융 혁신의 주인공은 당신입니다"

• Credit Modeling Team은 토스의 금융 도메인에서의 핵심 역할을 수행하고 있어요.
• 단순히 주어진 문제를 해결하는 것이 아니라 모델링을 통해 비즈니스의 확장과 고도화에 기여할 수 있어요.
• 금융 관련 데이터 뿐만 아니라 비금융(대안정보) 정보도 활용 가능하고 다양 머신러닝 기법들을 활용하여 비즈니스 임팩트를 극대화 할 수 있어요.

합류하게 될 팀에 대해 알려드려요 - 토스의 ML Engineer (CSS)는 토스의 Credit Modeling팀에 속해 있고, 다양한 백그라운드를 가지고 있는 ML Engineer들이 한 팀으로 구성되어 있어요. - Credit Modeling팀은 대출, 카드, 계좌 등 여러개의 금융 서비스들이 모여있는 Financial Marketplace 도메인에 소속되어 대출비교플랫폼에 입점한 금융사들을 위한 Risk Index 모형을 개발하고, 도메인내 다양한 금융 서비스들의 비즈니스 문제를 머신러닝을 통해 해결하는 업무를 담당하고 있어요. - 토스 데이터 조직에 대해 더 알아보고 싶다면? [→ 토스 Data Division 위키](https://recruit-data-division.oopy.io/) 합류하면 함께 할 업무예요 - 대출 니즈 모형, 카드 발급 예측 모형, 신용평가 모형 등 신용과 대출 도메인 영역에서 유저에게 맞춤형 서비스를 제공하기 위한 다양한 ML 모델을 개발해요. - Data Mining / Machine Learning / Deep Learning 기술들을 활용하여 새로운 가치를 발굴해 비즈니스 고도화에 기여해요. - 신규 서비스 및 사업 영역의 발굴을 위해 다양한 데이터에 대한 분석 및 탐색을 진행해요. - 빠르게 변화하는 비즈니스 성장 전략과 방향성에 맞도록 모델을 고도화하고 최적화를 수행해요. 이런 분과 함께하고 싶어요 - 개인 혹은 개인사업자의 대안/신용평가모델(CSS)을 개발해 내재화하신 경험이 필요해요. - 신용평가모형 개발 환경, 제도, 규제에 대한 이해를 바탕으로 독립적이고 주도적인 모델링 경험이 필요해요. - 복잡한 원천 데이터로부터 데이터 정제 작업을 직접 해보신 경험이 필요해요. - Python, SQL 등의 언어를 능숙하게 다룰 수 있는 분이 필요해요. - Machine Learning / Deep Learning 등 최신 알고리즘을 활용한 실제 비즈니스 문제 해결 경험이 필요해요. - 다양한 최신 기술에 관심이 있고, 새로운 것을 학습하고 성장하기를 원하시는 분이 필요해요. 이력서는 이렇게 작성하시는 걸 추천해요 - 현재 채용 공고와 관련 있었던 업무/프로젝트, 그 결과에 대해 구체적으로 작성해주세요. - 프로젝트에서 어떤 모델을 사용했는지 구체적으로 작성해주세요. - Machine Learning 모형을 직접 개발하고 서비스에 적용해 본 경험이 있다면 구체적으로 작성해주세요. - 기술적으로 외부 공개가 민감한 사항일 경우, 해당 부분은 제외해주세요. 토스로의 합류 여정 - 서류 접수 > 프리 인터뷰 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격 - 프리 인터뷰에서는 지원서 기반의 주요 경험과 직무 적합도를 중심으로 면접이 진행될 예정이에요. - 직무 인터뷰에서는 심층 기술 면접과 ML 모델 설계를 주제로 면접이 진행될 예정이에요. 함께할 동료를 위한 한마디 > "금융 혁신의 주인공은 당신입니다" - Credit Modeling Team은 토스의 금융 도메인에서의 핵심 역할을 수행하고 있어요. - 단순히 주어진 문제를 해결하는 것이 아니라 모델링을 통해 비즈니스의 확장과 고도화에 기여할 수 있어요. - 금융 관련 데이터 뿐만 아니라 비금융(대안정보) 정보도 활용 가능하고 다양 머신러닝 기법들을 활용하여 비즈니스 임팩트를 극대화 할 수 있어요.

합류하게 될 팀에 대해 알려드려요

• ML Engineer (Product) 는 토스뱅크 ML Tribe / Chpater 소속으로, AI/ML 기술로 은행 서비스의 문제를 풀어요.
• FDS(이상거래탐지), 대출 모형 및 전략 시스템, 고객 응대 자동화, 문서·음성 처리, LLM 기반 Agent 등 다양한 제품을 개발해요.
• Product Manager, Data Scientist, Machine Learning Engineer 등 여러 직군과 협업하며 문제에 가장 잘 맞는 방식과 기술로 서비스와 제품을 만들어요.

합류하면 함께 할 업무예요

• 대규모 트래픽과 높은 SLA를 요구하는 ML/AI 서비스를 설계·개발·운영해요.
• ML 모델과 LLM을 프로덕션에 서빙하는 시스템을 만들어요.
• LLM 기반 Agent Workflow 및 RAG 애플리케이션을 개발하고, 품질을 평가·개선해요.
• AI로 비즈니스 문제를 정의하고 실제 임팩트로 연결해요.

이런 분과 함께하고 싶어요

• 대규모 트래픽과 높은 SLA 서비스를 프로덕션으로 개발·운영한 경험이 필요해요.
• 사용하는 기술의 동작 원리를 바닥까지 이해하고, 선택한 근거를 설명할 수 있어요.
• 전체 아키텍처를 그리고 각 컴포넌트의 역할, 트레이드오프를 설명할 수 있어요.
• AI/ML를 제품에 활용하여 비즈니스 임팩트를 만들어 낸 경험이 있어요.
• 처음 보는 기술도 빠르게 배우고 원리를 이해해서 적용해본 경험이 있어요.
• 정해진 정답(Best Practice)을 따르기보다, 문제를 정의하고 왜 그 기술을 선택했는지 스스로 설명할 수 있는 분을 찾아요.

이런 경험이 있다면 더 좋아요

• Triton, KServe, k8s 등 딥러닝 모델 서빙 시스템 및 프레임워크를 구축·운영한 경험
• LLM Application, RAG, Multi-Agent 개발 및 LLM 평가 시스템을 구축한 경험
• vLLM 서빙 및 Fine-tuning, Quantization, Inference 최적화 경험
• 은행/금융처럼 장애·규제 리스크가 큰 도메인에서 신중하게 배포·운영한 경험

이력서는 이렇게 작성하시는 걸 추천해요

• 실질적인 개발 경험이 구체적으로 드러나도록 사례 중심으로 작성해주세요.
• 문제를 해결하기 위해 기술적으로 고민한 내용과 실제 구현한 내용을 함께 작성해주세요.
• 아키텍처의 복잡도와 개발 구현 리소스의 트레이드오프 사이에서 각 선택지의 비용 효율을 비교 분석하여 우선순위를 결정한 경험이 있다면 작성해주세요.
• 진행했던 프로젝트가 비즈니스 임팩트를 낸 경험이 있다면 그 내용을 자세히 작성해주세요.
• 개발한 제품을 프로덕션에 적용하고 성과 지표를 보며 고도화한 경험이 있다면 작성해주세요.

토스뱅크로의 합류 여정

• 서류접수 > 라이브 코딩 테스트 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격 및 입사

꼭 확인해주세요

• 이력서 및 제출 서류에 허위 사실이 발견되거나 근무 이력 중 징계사항이 확인될 경우, 채용이 취소될 수 있어요.
• 토스뱅크 취업규칙 제8조(채용결격)에 따라 결격사유 해당자는 채용이 취소될 수 있어요.
• 장애인 및 국가보훈대상자는 지원 시 관련법에 따라 우대하고 있어요.

동료의 한마디

• 은행 내의 모든 운영 업무를 자동화 해요”
• 은행에는 사람 손을 타야 하는 업무가 아직도 정말 많이 남아있어요.
• 저희 팀은 AI 제품의 기획부터 모델링, 그리고 서비스로의 구현까지 팀 내에서 end to end 로 실행하며 내가 만든 제품의 임팩트를 직접적으로 경험할 수 있는 조직이에요.
• 빠르게 발전하는 AI 기술을 활용해서 이러한 문제를 해결하고, 자동화 또는 효율화하는 것에 관심이 있는 분이라면 적극 추천해요!

합류하게 될 팀에 대해 알려드려요

• 토스뱅크의 ML Engineer (ML/LLM Ops) 는 ML Platform Team에 속해 있어요.
• ML Platform Team은 토스뱅크의 머신러닝과 LLM이 실제 금융 서비스 안에서 안정적으로 활용될 수 있도록, ML/LLM 플랫폼을 직접 만들고 운영하는 팀이에요.
• 우리는 모델을 만드는 것에서 끝나지 않고, 모델이 학습·검증·배포·서빙·모니터링되는 전 과정을 플랫폼화해요. ML Engineer, ML Modeler, Data Scientist, Data Engineer, Product Team과 함께 토스뱅크의 다양한 금융 서비스에 머신러닝과 LLM을 더 빠르고 안전하게 적용할 수 있도록 돕고 있어요.
• MLflow, Airflow, JupyterHub, Kubeflow, Feature Store, Triton Inference Server, vLLM/SGLang/TensorRT-LLM 기반 서빙 환경, LLM Gateway, Vector Database 등 ML/LLM 서비스를 위한 핵심 플랫폼을 다루고 있어요.
• 금융 도메인 특성상 안정성, 확장성, 보안, 개인정보 보호, 감사 가능성이 매우 중요해요. 단순히 기술을 도입하는 것을 넘어, 실제 운영 환경에서 신뢰할 수 있는 ML/LLM 플랫폼을 만드는 경험을 할 수 있어요.

합류하면 함께할 업무예요

• ML 챕터 내 공통 기술을 개발하고, 토스뱅크의 ML/LLM 플랫폼을 함께 고도화해요.
• MLflow, Airflow, JupyterHub, Kubeflow 등 사내 머신러닝 플랫폼을 구축하고 운영해요.
• ScyllaDB 클러스터 기반의 Feature Store를 운영하고, ML 서비스가 안정적으로 데이터를 활용할 수 있는 환경을 만들어요.
• Triton Inference Server, vLLM, SGLang 등 다양한 서빙 기술을 활용해 ML/LLM 모델 서빙 환경을 개발하고 최적화해요.
• LLM Gateway, Workflow, Vector Database 등 LLMOps 플랫폼을 구축하고 운영해요.
• 기존 On-Premise 중심의 머신러닝/LLM 인프라를 AWS, GCP 등 클라우드 환경으로 확장하고 고도화해요.
• EKS, GKE 등 Kubernetes 기반 클라우드 환경에서 ML/LLM 워크로드를 안정적으로 운영할 수 있도록 플랫폼을 설계하고 개선해요.
• On-Premise와 Cloud가 함께 동작하는 Hybrid ML/LLM 인프라를 설계하고 운영해요.
• GPU 기반 학습/서빙 워크로드의 확장성, 가용성, 성능, 비용 효율을 높이기 위해 클러스터 운영, 오토스케일링, 모니터링 체계를 개선해요.
• Data Engineer, ML Modeler, Data Scientist, Product Engineer 등 다양한 동료들과 협업하며 ML/LLM 기술이 실제 금융 서비스에 안정적으로 적용될 수 있도록 만들어요.

이런 분과 함께하고 싶어요

• Kubernetes 위에서 서비스를 개발, 배포하고 운영해본 경험이 있으신 분이 필요해요.
• AWS, GCP 등 클라우드 환경에서 서비스를 설계, 구축, 운영해본 경험이 있으시면 좋아요.
• EKS, GKE 등 Kubernetes 기반 클라우드 환경에서 서비스를 운영하거나 트러블슈팅해본 경험이 있으시면 좋아요.
• On-Premise와 Cloud를 함께 사용하는 Hybrid 환경에 대한 이해 또는 경험이 있으시면 좋아요.
• MLflow, Airflow, JupyterHub, Kubeflow 등 ML 플랫폼을 구축하거나 운영해본 경험이 있으시면 좋아요.
• 대규모 트래픽 또는 ML/LLM 워크로드를 안정적으로 운영하기 위한 확장성, 가용성 설계 경험이 있으시면 좋아요.
• GPU 기반 워크로드를 운영하거나 성능/비용 최적화를 해본 경험이 있으시면 좋아요.
• vLLM, SGLang, Triton Inference Server, TensorRT-LLM 등 모델 서빙 프레임워크를 활용해본 경험이 있으시면 좋아요.
• LLM Gateway, Workflow, Vector Database 등 LLMOps 플랫폼을 구축하고 운영해본 경험이 있으시면 좋아요.
• Apache Cassandra, ScyllaDB 등 분산 데이터베이스를 운영한 경험이 있으시면 좋아요.
• Terraform, Helm, ArgoCD 등 IaC/배포 자동화 도구를 활용해 인프라 운영을 자동화해본 경험이 있으시면 좋아요.
• Prometheus, Grafana, OpenTelemetry 등으로 서비스와 인프라의 상태를 관측하고 개선해본 경험이 있으시면 좋아요.
• 최신 ML/LLM 기술에 관심이 많고, 다양한 상황에서 최적의 솔루션을 찾을 수 있는 문제해결능력과 원활한 커뮤니케이션 역량을 갖춘 분을 찾고 있어요.

이력서는 이렇게 작성하시는 걸 추천해요

• 그동안 해오신 업무 중 임팩트가 컸던 프로젝트를 구체적으로 적어주세요.
• 단순히 사용한 기술 목록만 나열하기보다, 어떤 문제를 발견했고, 어떤 구조로 해결했고, 그 결과 어떤 변화가 있었는지 알려주시면 좋아요.
• 머신러닝 플랫폼, 모델 서빙 플랫폼, Feature Store, LLMOps 플랫폼 등을 구축하거나 운영한 경험이 있다면 자세히 적어주세요.
• Kubernetes, GPU, 분산 데이터베이스, 모델 서빙, LLM Gateway, Vector Database 등 운영 중 마주했던 장애나 성능 문제를 어떻게 해결했는지도 적어주세요.
• 실제 서비스에 적용해 개선한 경험이 있다면 처리량, 지연 시간, 비용, 장애율, 개발 생산성, 배포 리드타임 등 가능한 범위에서 결과를 수치로 표현해 주세요.
• ML/LLM 관련 팀과 협업하며 공통 플랫폼이나 표준을 만들었던 경험이 있다면, 본인의 역할과 의사결정 과정을 함께 적어주세요.
• 외부 공개가 민감한 내용은 제외하셔도 괜찮아요. 다만 문제의 성격, 해결 방식, 본인이 만든 기술적 기여가 드러나면 좋아요.

토스뱅크로의 합류 여정

• 서류접수 > 라이브 코딩 테스트 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우협의 > 최종합격 및 입사

꼭 확인해주세요

• 이력서 및 제출 서류에 허위 사실이 발견되거나 근무 이력 중 징계사항이 확인될 경우, 채용이 취소될 수 있어요.
• 토스뱅크 취업규칙 제8조(채용결격)에 따라 결격사유 해당자는 채용이 취소될 수 있어요.
• 장애인 및 국가보훈대상자는 지원 시 관련법에 따라 우대하고 있어요.

동료의 한마디

• "폭발적인 성장을 원하는 ML Engineer에겐 최고의 회사예요."

• 자유롭게 일하고, 업무에 몰입할 수 있는 최고의 환경을 제공하는 회사라고 생각해요. 다방면으로 훌륭한 동료들과 함께 큰 성장을 할 수 있는 팀을 찾고 계신 분들이 계시다면, 정말 좋은 선택지 중 하나라고 생각합니다!

• Data Engineer, ML Modeler, Data Scientist 등과 협업하여 세상에 없는 스마트한 금융 서비스를 직접 만들고 싶다면!

합류하게 될 팀에 대해 알려드려요

• 토스증권 ML Engineer(LLM)는 AI Tribe에 속해 있어요. 다양한 Silo와 Platform에서 Data/Server/Frontend Engineer, Designer, PO와 협업하며 제품 단위의 문제를 함께 풀어가요.
• AI Tribe의 목표는 복잡한 금융·증권 정보를 더 이해하기 쉽게 만들고, 개인에게 필요한 정보만 정확히 전달하는 데이터·ML 기반 서비스를 만드는 거예요.
• 이를 위해 NLP/LLM 학습과 운영, AI 기반 서비스 개발, 개인화 추천 등 다양한 ML 기술을 실험하고 실제 제품에 녹이고 있어요.

합류하면 함께 할 업무에요

☑️ 모델 학습

• 서빙
• 운영
• 분류, 추출, 요약, 번역 등 텍스트 기반 문제에 맞는 모델을 직접 학습해요.
• Fine-tuning, 실험 설계, 성능 평가를 통해 모델 품질을 높여요.
• 실제 서비스 환경에 모델을 서빙하고 안정적으로 운영해요.
• 성능 저하, 데이터 분포 변화 등을 모니터링하고 개선해요.

☑️ AI 서비스 문제 정의

• 데이터 구축
• AI 기능 설계
• 금융·증권 도메인의 문제를 ML/LLM으로 풀 수 있는 문제로 재정의해요.
• 모델 학습에 필요한 데이터셋을 정의하고 구축해요.
• 뉴스·공시 등 비정형 원천 데이터를 서비스에서 쓸 수 있는 형태로 만드는 분류·태깅 모델(종목 매칭, 산업 분류, 중요도 판별 등)을 만들고 품질을 책임져요.
• 글로벌 뉴스·공시의 분류, 태깅, 번역, 임베딩 등 다국어 텍스트 모델을 구축해요.
• 다른 팀과 협업하여 제품 내 AI 기능을 최적화해요.

이런 분과 함께하고 싶어요

• LLM 또는 NLP 모델을 직접 만들고 운영해 본 경험이 있는 분을 찾아요.
• 데이터 정의부터 모델 운영까지 전체 사이클을 스스로 책임져 본 경험이 있으면 좋아요.
• LLM을 다양하게 활용해 안정적으로 운영할 수 있는 인사이트가 많으신 분이면 좋아요.
• 문제 해결 과정에서 왜 이 접근이 맞는지 논리적으로 설명할 수 있으면 좋아요.
• 증권 도메인에 관심이 있고, 복잡한 정보를 기술로 단순화하는 일에 흥미가 있는 분을 찾아요.

이런 경험이 있다면 더 좋아요

• 하나의 LLM/NLP 모델을 처음부터 끝까지 책임지고 고도화해 본 경험이 있다면 더 좋아요.
• 서비스 운영 과정에서 발생하는 성능 저하나 데이터 변화의 원인을 분석하고, 구조적으로 개선해 본 경험이 있다면 더 좋아요.
• 모델 성능 자체보다 사용자 경험이나 제품 지표 관점에서 AI 기능을 개선해 본 경험이 있다면 더 좋아요.
• 다국어 텍스트 데이터를 다루거나, 다국어(cross-lingual) 모델을 학습·평가해 본 경험이 있으면 더 좋아요.

이력서는 이렇게 작성하시는 걸 추천해요

• 해결하려던 문제와 선택한 방법, 그에 따른 결과(지표 변화·제품 변화)를 명확하게 작성해 주세요.
• 모델 개발뿐 아니라, 운영 과정에서 시도했던 개선 내용도 함께 적어 주시면 좋아요.
• LLM·NLP·서비스 중 어떤 영역에서 어떤 역할을 했는지 구체적으로 알려 주세요.
• 전체 구조와 본인의 핵심 기여를 중심으로 작성해 주세요. 외부 공개가 어려운 내용은 제외해 주세요.

토스증권으로의 합류여정

• 서류접수 > 전화 인터뷰 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우협의 > 최종합격 및 입사

꼭 확인해 주세요

• 이력서 및 제출 서류에 허위 사실이 발견되거나 근무 이력 중 징계사항이 확인될 경우, 채용이 취소될 수 있어요.
• 토스증권 내규에 따라 채용 금지자 또는 결격사유 해당자는 채용이 취소될 수 있어요.
• 장애인 및 국가보훈대상자는 지원 시 관련법에 따라 우대하고 있어요.

함께 할 동료를 위한 한마디

"Machine Learning 기술로 금융 서비스를 함께 혁신할 동료를 기다리고 있어요!"

• 우리는 복잡한 금융 정보를 누구나 이해할 수 있는 형태로 바꾸는 일을 하고 있어요.
• AI 시그널, 어닝콜 요약·번역처럼 바로 사용자에게 도움이 되는 기능들을 만들어가고 있고, 모델을 만드는 것에서 끝나지 않고 제품으로 연결되는 과정까지 함께 책임져요.
• 방향을 함께 정하며 다양한 시도를 이어가고 있는 지금, 이 여정을 함께 만들어갈 동료를 기다리고 있어요.

합류하게 될 팀에 대해 알려드려요

• 토스증권 ML Engineer(Platform)는 Product Division 내 ML Platform Team에 속해 있어요.
• ML Platform Team의 목표는 토스증권의 다양한 AI/ML 서비스들을 효율적이고 안정적으로 개발하고 운영할 수 있는 최적의 머신러닝 플랫폼을 만드는 거예요.

합류하면 함께 할 업무에요

☑️ ML서비스의 관문인 Gateway 시스템을 개발하고 고도화해요.

• 전사 LLM API 요청을 처리하는 Gateway 시스템을 FastAPI 기반으로 개발·운영해요.
• FastAPI로 구현된 Gateway 애플리케이션에서 인증, 라우팅, 트래픽 제어, 장애 격리(Circuit Breaker, Fallback), 대규모 TPS 처리 및 부하 분산 전략을 애플리케이션,인프라 관점에서 설계·구현해요.

☑️ ML 서비스 운영과 서빙을 책임져요.

• Kubernetes 환경에서 머신러닝 모델 서빙 시스템을 직접 운영해요.
• 대규모 트래픽 상황에서도 안정적으로 동작할 수 있도록 LLM 서빙 아키텍처를 설계·개선해요.
• 서비스 중인 모델의 latency, 에러율, 리소스 사용량 등을 모니터링하고, 운영 이슈를 직접 분석·해결해요.
• 장애 발생 시 근본 원인을 규명하고, 운영 정책이나 아키텍처를 포함한 구조적인 개선까지 수행해요.

☑️ 전사 공통 ML 플랫폼을 개발하고 운영해요.

• Kubeflow 기반으로 사내 ML/LLM 모델의 학습 및 서빙을 효율적으로 운영할 수 있는 공통 플랫폼을 개발·운영해요.
• 플랫폼에서 실행되는 워크로드의 성능과 리소스를 지속적으로 모니터링하고 최적화해요.

☑️ LLM 기반 서비스를 위한 인프라 환경을 구축해요.

• vLLM, SGLang, Triton 등 다양한 서빙 프레임워크를 활용해 LLM 서비스를 운영해요.
• H100/B300 등 고성능 GPU 클러스터에서 학습·서빙 워크로드가 안정적으로 동작하도록 환경을 관리해요.
• 금융 도메인 특화 LLM을 위한 대규모 데이터 학습 환경을 구축·운영해요.

이런 분과 함께하고 싶어요

• Python, Go, Java, Kotlin 중 하나 이상의 언어에 능숙하며, 프로덕션 환경의 API 서버를 설계·개발해 본 경험이 필요해요.
• API Gateway(Nginx, Kong 등) 또는 LLM Router(LiteLLM, Envoy AI Gateway 등)를 개발하거나 운영하며, 대용량 트래픽 처리 및 장애 대응 경험이 필요해요.
• Kafka, Elasticsearch, Kibana 등과 연동해 서빙 로그 및 이벤트 파이프라인을 운영해 본 경험이 필요해요.
• Prometheus, Grafana 등을 활용해 모델 서빙 모니터링 지표를 정의하고 대시보드를 구성·운영해 본 경험이 필요해요.
• KServe, BentoML, vLLM, SGLang 등을 활용해 ML/LLM 모델 서빙을 운영해 본 경험이 필요해요.
• Kubernetes 환경에서 MLOps 컴포넌트(Kubeflow, KServe, Airflow, Argo CD, MLflow 등)를 직접 운영하며 장애를 디버깅하고 해결해 본 경험이 필요해요.
• 서비스 운영 중 발생한 이슈에 대해 단기적인 대응을 넘어, 근본 원인 분석을 통해 장기적인 개선 방안을 설계·적용해 본 경험이 필요해요.

이런 경험이 있다면 더 좋아요

• MSA(Microservices Architecture) 환경에서 REST, gRPC API를 활용한 서비스 간 통신 및 트랜잭션 처리에 능숙하면 좋아요.
• 다양한 분산 시스템 설계 전략을 활용해 대규모 트래픽 환경을 안정적으로 운영해 본 경험이 있다면 좋아요.
• Azure AI Foundry, Azure AI Studio, AWS Bedrock, AWS SageMaker 등 Public Cloud 환경에서 MLOps 또는 LLMOps 컴포넌트를 운영해 본 경험이 있다면 더 좋아요.
• vLLM, SGLang 등을 활용해 LLM 서빙 병목을 분석하고 성능을 최적화해 본 경험(또는 관련 오픈소스 기여 경험)이 있다면 더 좋아요.
• disaggregated serving, prefix-aware routing, context caching 등 LLM 기반 시스템을 설계하고 최적화해 본 경험이 있다면 더 좋아요.
• Kubernetes Operator 또는 Scheduler 등 Kubernetes 확장 컴포넌트를 설계·개발해 본 경험이 있다면 더 좋아요.
• 데이터 전처리부터 학습, 배포, 품질 관리, 재학습까지 머신러닝 파이프라인을 실제 서비스 환경에서 운영해 본 경험이 있다면 더 좋아요.

이력서는 이렇게 작성하시는 걸 추천해요

• 임팩트 있었던 업무/프로젝트와 그 결과에 대해 구체적으로 적어주세요.
• 기술적으로 외부 공개가 민감한 사항일 경우, 해당 부분은 제외해 주세요.
• 해결한 문제들에 대해 어떤 방법론들을 어떤 이유로 적용했는지 자세히 적어주세요.

토스증권에서 사용하는 기술

• Workflow & Platform: Kubernetes, Kubeflow, Argo CD, Argo Workflows, Airflow
• Model Serving & Optimization: vLLM, SGLang, KServe, BentoML
• Monitoring & Logging: Prometheus, Grafana, Kafka, Elasticsearch, Kibana
• Cloud & Infra: GPU Cluster (A40/A100/H100/H200/B300), Kubernetes 기반 ML 인프라

토스증권으로의 합류여정

• 서류접수 > 프리 인터뷰 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우협의 > 최종합격 및 입사

꼭 확인해 주세요

• 이력서 및 제출 서류에 허위 사실이 발견되거나 근무 이력 중 징계사항이 확인될 경우, 채용이 취소될 수 있어요.
• 토스증권 내규에 따라 채용 금지자 또는 결격사유 해당자는 채용이 취소될 수 있어요.
• 장애인 및 국가보훈대상자는 지원 시 관련법에 따라 우대하고 있어요.

함께 할 동료를 위한 한마디

"AI/ML플랫폼을 대규모로 구축, 확장 해 나가면서 함께 성장할 동료를 기다리고 있어요!"

• 토스증권은 H100을 시작으로 B300 등 고성능 GPU 인프라를 확장하고 있어요. 이러한 인프라를 바탕으로 다양한 ML서비스를 안정적으로 운영할 ML플랫폼을 함께 만들어 갈 분을 찾고 있어요.
• 지금까지는 플랫폼의 토대를 다져왔고, 앞으로는 더 많은 서비스와 트래픽을 효율적으로 감당하기 위한 스케줄링·리소스 최적화·운영성 개선을 본격적으로 진행하려고 해요. 대규모 GPU 클러스터 기반 ML 플랫폼의 초기 설계 단계부터, 확장되어 가는 전 과정에 함께하며 성장하고 싶은 분을 기다리고 있어요!

합류하게 될 팀에 대해 알려드려요

• 매월 400만 명의 개인 투자자들이 정보를 교류하고 토론하는 '커뮤니티' 서비스를 담당하는 팀이에요.
• 커뮤니티는 토스증권의 리텐션을 만들어내는 핵심 기능이자, 장기 성장 전략의 한 축이에요. MAU 400만, 월간 글 작성자 30만 규모로 빠르게 성장하고 있고, 쌓이는 콘텐츠와 사용자 행동 데이터가 많아질수록 "누구에게 어떤 글을 보여줄 것인가"라는 추천·개인화의 중요도도 함께 올라가고 있어요.
• 합류하시면 '사일로(Silo)'라고 부르는 제품 조직에서 일하게 돼요. PO·개발자·디자이너·데이터 분석가가 하나의 작은 스타트업처럼 자율적으로 의사결정하는 애자일 조직이에요. ML 엔지니어는 이 안에서 서버 엔지니어·데이터 분석가·PO와 밀도 있게 협업하며, 커뮤니티 추천의 방향성을 함께 설계하고 추천 알고리즘에 대한 오너십을 갖고 직접 설계하고 리드해요.
• 커뮤니티 추천 시스템과 경험의 토대를 직접 설계하며, 사용자 한 명 한 명에게 꼭 맞는 커뮤니티 경험을 만들어 나가요. 내가 아는 종목에서 출발해 투자에 대한 관심사를 점점 넓혀가고, 사용자들이 서로 공감대를 형성할 수 있는 커뮤니티를 만들어가는 팀이에요.

합류하면 함께 할 업무에요

☑️ 커뮤니티 피드 추천 품질을 고도화해요.

• 사용자의 관심사와 콘텐츠의 맥락을 더 잘 연결할 수 있도록 개인화 추천 모델을 개선해요.
• 단순히 반응 가능성이 높은 콘텐츠를 찾는 데서 멈추지 않고, 커뮤니티의 신뢰도와 장기적인 사용자 경험까지 함께 고려해요.
• 추천 결과가 실제 제품 안에서 어떤 사용자 경험으로 이어지는지 보고, 모델과 서비스 로직을 함께 개선해요.

☑️ 추천 학습 데이터와 feature를 설계해요.

• 사용자 행동 로그와 콘텐츠 데이터를 바탕으로 학습 데이터를 정의하고 검증해요.
• 노출 편향, 선택 편향, 데이터 최신성처럼 추천 시스템에서 실제로 품질을 흔드는 문제를 다뤄요.
• 모델이 더 좋은 판단을 할 수 있도록 사용자, 콘텐츠, 커뮤니티 맥락을 표현하는 feature를 고도화해요.

☑️ 평가와 실험 체계를 개선해요.

• 오프라인에서 좋아 보이는 모델이 실제 사용자 경험에서도 좋아지는지 검증할 수 있는 평가 체계를 만들어요.
• 추천 결과를 해석하고 디버깅할 수 있는 지표와 샘플링 방식을 고도화해요.
• 실험 결과를 제품 지표와 연결해 다음 개선 방향을 정의해요.

☑️ 온라인 적용과 운영 안정성을 함께 책임져요.

• 모델이 안정적으로 서비스될 수 있도록 응답 속도, 모니터링, 배포 안전성을 함께 개선해요.
• 운영 중 발생하는 품질 저하나 데이터 변화의 원인을 분석하고 구조적으로 개선해요.
• 제품, 서버, 데이터 엔지니어와 함께 빠르게 실험하면서도 안정적으로 운영되는 추천 시스템을 만들어가요.

이런 분과 함께하고 싶어요

• 실제 서비스에서 추천 시스템, 검색/랭킹, 개인화 모델 중 하나 이상을 개선해 본 경험이 있는 분을 찾아요.
• Python과 PyTorch로 모델 학습, 평가, 실험 코드를 직접 작성해 본 경험이 있으면 좋아요.
• 로그와 지표를 그대로 믿기보다, 데이터가 만들어진 맥락과 편향을 함께 검증할 수 있는 분이면 좋아요.
• 모델 구조, 학습 데이터, 평가 방식, 제품 지표를 연결해 문제를 정의할 수 있는 분이면 좋아요.
• 모델 성능뿐 아니라 서빙 안정성, 운영 지표, 배포 리스크까지 함께 고려할 수 있는 분이면 좋아요.
• 복잡한 문제를 동료가 이해할 수 있는 언어로 정리하고, 여러 직군과 밀도 있게 협업할 수 있는 분이면 좋아요.

이런 경험이 있으면 더 좋아요

• 대규모 추천/랭킹 시스템을 end-to-end로 개선하거나 운영해 본 경험이 있다면 더 좋아요.
• Representation learning, contrastive learning 등 모델 학습을 통해 실제 서비스 지표 개선으로 연결해 본 경험이 있다면 더 좋아요.
• 대규모 이벤트 로그 기반 학습 데이터 파이프라인 또는 feature store에 대한 이해가 있다면 더 좋아요.
• 모델 배포, 실험 관리, 모니터링 등 온라인 ML 운영 경험이 있다면 더 좋아요.
• 텍스트, 커뮤니티/소셜 데이터, 금융 도메인 데이터에 대한 경험이 있다면 더 좋아요.

이력서는 이렇게 작성하시는 걸 추천해요

• 해결하려던 문제와 선택한 방법, 그에 따른 결과(지표 변화·제품 변화)를 명확하게 작성해 주세요.
• 모델 개발뿐 아니라, 데이터 정의·평가·운영 과정에서 시도했던 개선 내용도 함께 적어 주시면 좋아요.
• 전체 구조와 본인의 핵심 기여를 중심으로 작성해 주세요. 외부 공개가 어려운 내용은 제외해 주세요.

토스증권에서 사용하는 기술

• Development & ML: Python, PyTorch, pandas, NumPy, scikit-learn, Transformers
• API & Serving: FastAPI, KServe, Kubernetes
• DB & Messaging & Cache: Elasticsearch, ClickHouse, MySQL, MongoDB, Impala, Milvus**,** S3, Kafka, Redis
• Monitoring & Observability: MLflow**,** Prometheus, Grafana

토스증권으로의 합류여정

• 서류 접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종합격 및 입사

꼭 확인해 주세요

• 이력서 및 제출 서류에 허위 사실이 발견되거나 근무 이력 중 징계사항이 확인될 경우, 채용이 취소될 수 있어요.
• 토스증권 내규에 따라 채용 금지자 또는 결격사유 해당자는 채용이 취소될 수 있어요.
• 장애인 및 국가보훈대상자는 지원 시 관련법에 따라 우대하고 있어요.

함께 할 동료를 위한 한마디

“ 투자자의 커뮤니티 경험을 추천으로 바꿔나갈 동료를 기다리고 있어요!"

• 매월 400만 명이 모이는 커뮤니티에는 수많은 이야기가 쌓이지만, 정작 사용자가 '지금 나에게 필요한 글'을 만나기는 여전히 어려워요. 저희는 추천과 개인화 기술로, 잘 아는 종목에서 출발해 새로운 관심사로 넓어지고 투자자들이 서로 공감대를 형성할 수 있는 피드 경험을 만들어가요.
• 토스증권 커뮤니티는 MAU 400만, 월간 글 작성자 30만 규모로 빠르게 성장하며 추천이 곧바로 제품 지표와 사용자 경험으로 연결되는 환경이에요. 단순한 프로젝트성 업무가 아니라, 수백만 사용자에게 실제 가치를 전달하는 추천 제품을 직접 만들고 검증할 수 있어요. 기술로 투자자들의 정보 경험을 혁신하고 커뮤니티를 더 가치 있는 공간으로 만들고 싶으신 분들 모두 환영해요!

합류하게 될 팀에 대해 알려드려요

• ML Engineer (Data Pipeline)은 토스뱅크 ML Tribe / Chpater 소속으로, AI/ML 기술로 은행 서비스의 문제를 풀어요.
• 금리 최적화 시스템, 대출 사후 관리 시스템, 대출 특화 상담 AI Agent 등 다양한 제품을 개발해요.
• Product Manager, Data Scientist, Machine Learning Engineer 등 여러 직군과 협업하며 문제에 가장 잘 맞는 방식과 기술로 서비스와 제품을 만들어요.
• 데이터 엔지니어링에 강점이 있고 ML 영역으로 전문성을 확장하고 싶은 분을 기다리고 있어요.

합류하면 함께 할 업무예요

• AI/ML 제품에 필요한 대규모 데이터를 분산처리 기술로 안정적으로 처리하는 파이프라인을 설계·개발·운영해요.
• ML 모델 학습과 추론에 사용되는 배치성 Feature Mart를 설계·구축하고, 데이터 품질과 정합성을 관리해요.
• 대규모 배치 추론(Batch Inference) 파이프라인을 개발하고, 처리 성능과 비용을 최적화해요.
• 배치 스케줄러 기반의 워크플로우를 설계하고, 실패 복구·재처리·모니터링 체계를 만들어 운영 안정성을 높여요.
• Data Scientist와 협업하여 모델이 필요로 하는 데이터를 정의하고, 실험부터 프로덕션까지 이어지는 데이터 흐름을 책임져요.

이런 분과 함께하고 싶어요

• Spark 등 분산처리 프레임워크로 대용량 데이터를 처리하는 배치 파이프라인을 개발·운영한 경험이 필요해요.
• Airflow 등 배치 스케줄러의 동작 원리를 이해하고, 스케줄링·재처리·의존성 관리를 설계할 수 있어야 해요.
• ML 모델링의 전체 과정(Feature 생성, 학습, 평가, 추론)을 이해하고, 모델이 요구하는 데이터의 특성을 파악하여 파이프라인에 반영할 수 있어야 해요.
• 사용하는 기술의 동작 원리를 바닥까지 이해하고, 선택한 근거를 설명할 수 있어요.
• 데이터 처리량·처리 시간·비용의 트레이드오프를 고려해 아키텍처를 설계하고, 각 컴포넌트의 역할을 설명할 수 있어요.
• 정해진 정답(Best Practice)을 따르기보다, 문제를 정의하고 왜 그 기술을 선택했는지 스스로 설명할 수 있는 분을 찾아요.

이런 경험이 있다면 더 좋아요

• Feature Store(Feast 등)를 구축하거나 배치성 Feature Mart를 대규모로 운영한 경험
• 복잡한 쿼리를 작성·최적화한 경험
• 서버 애플리케이션 개발 또는 데이터/ML 플랫폼을 구축·운영한 경험
• 개발한 제품을 프로덕션에 배포하고 지표를 보며 운영·고도화한 경험
• k8s 환경에서 대규모 배치 워크로드를 운영하며 리소스를 최적화한 경험
• 은행/금융처럼 장애·규제 리스크가 큰 도메인에서 신중하게 배포·운영한 경험

이력서는 이렇게 작성하시는 걸 추천해요

• 실질적인 데이터 처리 경험이 구체적으로 드러나도록 사례 중심으로 작성해주세요. (데이터 규모, 처리 시간, 파이프라인 개수 등 정량적 수치가 있다면 함께 적어주세요)
• 대용량 데이터 처리에서 발생한 병목이나 장애를 기술적으로 어떻게 진단하고 해결했는지 함께 작성해주세요.
• 아키텍처의 복잡도와 개발 구현 리소스의 트레이드오프 사이에서 각 선택지의 비용 효율을 비교 분석하여 우선순위를 결정한 경험이 있다면 작성해주세요.
• 진행했던 프로젝트가 비즈니스 임팩트를 낸 경험이 있다면 그 내용을 자세히 작성해주세요.
• 개발한 파이프라인이나 제품을 프로덕션에 적용하고 성과 지표를 보며 고도화한 경험이 있다면 작성해주세요.

토스뱅크로의 합류 여정

• 서류접수 > 라이브 코딩 테스트 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격 및 입사

꼭 확인해주세요

• 이력서 및 제출 서류에 허위 사실이 발견되거나 근무 이력 중 징계사항이 확인될 경우, 채용이 취소될 수 있어요.
• 토스뱅크 취업규칙 제8조(채용결격)에 따라 결격사유 해당자는 채용이 취소될 수 있어요.
• 장애인 및 국가보훈대상자는 지원 시 관련법에 따라 우대하고 있어요.

동료의 한마디

• 은행 내의 모든 운영 업무를 자동화 해요”
• 은행에는 사람 손을 타야 하는 업무가 아직도 정말 많이 남아있어요.
• 저희 팀은 AI 제품의 기획부터 모델링, 그리고 서비스로의 구현까지 팀 내에서 end to end 로 실행하며 내가 만든 제품의 임팩트를 직접적으로 경험할 수 있는 조직이에요.
• 빠르게 발전하는 AI 기술을 활용해서 이러한 문제를 해결하고, 자동화 또는 효율화하는 것에 관심이 있는 분이라면 적극 추천해요!