담당업무

- 비디오 처리를 위해 사전 학습된 모델 활용: 객체 검출, 추적, segmentation 및 인식과 같은 복잡한 비디오 처리 작업을 위해 학습하거나 사전 학습된 딥 러닝 모델을 사용
- 모델을 통합하고 최적화: 기존 모델을 당사의 비디오 처리 파이프라인에 통합하고 실시간 처리 요구들을 위해 성능을 최적화
- 원활한 운영을 보장: 필요에 따라 확장성, 신뢰성 또는 성능 문제를 해결하여 당사의 생산 환경내에서 딥 러닝 모델의 원활한 작동을 보장
- 다양한 팀과 협력: 다양한 팀과 긴밀히 협력하여 비디오 처리 기능을 당사의 기존 소프트웨어 시스템 및 제품에 통합하여 프로젝트 목표 및 일정과 일치하도록 한다.
- 최신 기술 동향을 파악: 딥러닝 및 비디오 처리 기술의 최신 기술 동향을 파악한다
- 기술적 전문 지식 제공: 딥러닝 모델 선정, 통합 및 최적화를 위해 협업하고 필요에 따라 팀에 지속적인 지원을 제공
- MLOps Responsibilities: 클라우드 리소스 및 컨테이너 오케스트레이션을 포함하여 모델 학습 및 추론을 개발하고 지원. ML 모델 및 코드에 대한 버전 관리 실무를 수립하고 재현성을 보장
- 프로젝트 구성원으로서 smart solution 구현 프로젝트를 성공적으로 관리
- AI 기반 솔루션 개발 및 상품화
- 소프트웨어 제품으로 항만 및 터미널 운영 효율성 개선에 기여
- 스마트 솔루션 개발 표준화에 기여하고 준수하며 최상의 MLops cycle을 구축
- 스마트 솔루션 개발 과정에서 생성된 아티팩트, R&D 결과물 및 소스코드를 설계 

자격요건

- 학력: 컴퓨터 공학, 공학, 또는 관련 분야 학사 학위 이상
- 경력: 3~5년 경력의 딥러닝 모델을 비디오 처리 작업에 사용한 경력이 있으며 이 분야에서 성공적으로 프로젝트 실행한 이력 보유. MLOps 실무에 대한 입증된 경험 선호
- 프로그래밍 기술: Python, C/C++ 또는 Java와 같은 하나 이상의 프로그래밍 언어에 대한 5년 이상의 경험과 숙련도를 가지고 있으며 TensorFlow, PyTorch, 또는 OpenCV 와 같은 프레임워크에 대한 경험
- 비디오 처리 이해도: 비디오 처리 개념 및 알고리즘에 대한 높은 이해도를 가지고 있으며 실제 문제에 적용한 실무 경험 보유
- 소프트웨어 엔지니어링 모범사례: 소프트웨어 솔루션의 품질과 유지보수를 보장하기 위해 버전 관리 (Git), testing 및 코드 리뷰를 포함한 소프트 엔지니어링 모범사례들에 대한 높은 이해도
- 컨테이너화 및 컨테이너 오케스트레이션: 애플리케이션의 효율적인 배포 및 관리를 위해 Docker와 같은 컨테이너화 기술에 능숙. 확장 가능하고 자동화된 컨테이너 환경 관리를 위해 Kubernetes 또는 Docker compose와 같은 컨테이너 오케스트레이션 플랫폼에 대한 높은 이해도 필수
- 소프트웨어 인터페이스 및 통신 프로토콜: WebSocket 및 RESTful API 또는 기타 대안과 같은 통신 프로토콜에 대한 경험을 포함하며 소프트웨어 인터페이스 설계 및 구현에 능숙. RabbitMQ 또는 Apache Kafka와 같은 기타 툴 같은 message queue 기술 사용 경험 우대. 다른 시스템과 원활하게 통합하기 위해 강력하고 확장 가능한 인터페이스를 설계 능력
- 다양한 팀과 소통하고 협업하는 능력
- 비즈니스 수준의 영어 능력