[연구개발]AI자연어처리 연구 및 개발

www.dataweaver.co.kr

[연구개발] AI자연어처리 연구 풀스택개발자

㈜데이터위버는 2017년에 설립된 회사로 해양수산 딥러닝, 자연어처리, 인과성분석, IT컨설팅사업을 하고 있습니다.

포지션 및 자격요건

AI NLP 풀스택 개발자

( 2명 )

<필수스팩>

• 학부,대학원에서 자연어 연구 경험 필수 → github연구기록으로 서류평가를 대체합니다. 희망연봉 필수입력- 연구결과를 배포하는 기본 코딩소양 필수

<공통업무> 대규모 언어모델(LLM) 연구 및 배포 개발 - 오픈소스 및 상용 LLM 구조 분석 및 성능 비교 연구 - 온프레미스 및 클라우드 환경에서의 LLM 서빙·추론 파이프라인 설계 및 운영 - 모델 경량화, 추론 최적화, 배포 자동화(MLOps) 체계 구축 LLM 학습 레시피 및 파인튜닝 전략 연구 - Instruction tuning, SFT, RLHF/RLAIF, LoRA·QLoRA, FA/FLA 등 학습 기법 연구 - 도메인 특화 데이터셋 설계 및 학습 전략 수립 - 학습 안정성·재현성 확보를 위한 실험 설계 및 평가 체계 구축<일반 업무> 멀티모달 생성형 AI 아키텍처 연구 - Multimodal RAG, RIG, CAG 기반 지식 융합 및 생성 구조 설계 - 텍스트·이미지·시계열·그래프 데이터 결합을 통한 추론 성능 고도화 - 복합 도메인 질의 대응을 위한 멀티모달 추론 파이프라인 연구자연어 기반 인과성 분석 및 그래프 DAG 연구 - 문서·보고서·뉴스 등 비정형 텍스트에서 인과관계 자동 추출 - 인과 그래프(DAG) 기반 지식 구조화 및 추론 모델 연구 - 정책·경제·산업 분석을 위한 인과 추론 응용 연구고급 감성·의미론 분석 모델 연구 - 감성 VAD(Valence-Arousal-Dominance) 기반 정량화 모델 - Pragmatic, Prospect Theory, Temporal, Intent, Framing 관점의 의미 해석 - 맥락·시간·의도·프레이밍을 고려한 고차원 언어 이해 모델 개발 Knowledge Editing 및 지식 정합성 연구 - LLM 내부 지식 수정(Knowledge Editing) 기법 연구 - 그래프 기반 외부 지식과 LLM 간 정합성 유지 및 동기화 - 지속 학습·지식 갱신을 고려한 신뢰 가능한 생성 시스템 설계<후순위 업무>자사 AI 솔루션 커스터마이징 및 시스템 확장 - Python 기반 백엔드 API 및 데이터 파이프라인 개발 - 서비스 요구에 따른 일부 프론트엔드 기능 수정 및 연동 - 기존 솔루션에 생성형 AI 기능 통합 및 성능 개선시계열·비전 기반 딥러닝 모델 연구 및 평가 - FFT, Temporal Fusion Transformer(TFT) 등 트랜스포머 기반 시계열 예측 모델 개발 - 시계열 데이터의 자연어 변환 및 LLM 연계 평가 방법론 연구 - 이미지 분류 및 특징 추출을 위한 ViT(Vision Transformer) 모델 연구

전형절차

ㆍ서류전형 > 1차면접(서류:Github) > 2차면접(온라인:Github발표) > 임원면접(오프라인) > 최종합격

ㆍ면접일정은 추후 통보됩니다.

유의사항

ㆍ허위사실이 발견될 경우 채용이 취소될 수 있습니다.