👋 우리 팀을 소개합니다.
NetsPresso Platform 팀은 Nota AI의 AI 모델 경량화 및 최적화 기술을 바탕으로, 연구·개발된 기술을 실제 제품으로 구현하여 사용자에게 제공하는 핵심 플랫폼과 소프트웨어를 설계·구현하는 조직입니다.
Model Representation, Quantization, Graph Optimization, Model Engineering, SW Engineering 파트로 구성되어 있으며, 그중 Model Representation Part는 다양한 딥러닝 프레임워크로부터 유입되는 모델들을 자사 고유의 통합 IR (Intermediate Representation)인 NPIR로 변환하여, Quantization, Graph Optimization, Compression 등의 최적화 기술을 적용 가능케 합니다.
- 다양한 프레임워크 모델을 자사 고유의 NPIR로 통합하여 기술적 범용성을 확보하며
- 최신 AI 모델들과 다양한 하드웨어를 지원 가능하도록 확장하고
- 딥러닝 모델의 논리적 구조를 타겟 런타임 환경에 최적화하여 실제 하드웨어에서의 추론 효율을 극대화 합니다.
📌 해당 포지션으로 합류하신다면
NetsPresso의 기반이 되는 통합된 IR을 제품화하는 과정에 참여합니다. 다양한 딥러닝 프레임워크와 하드웨어의 특성을 파악하고, 노타만의 고유한 IR(NPIR)을 설계하고 개발하는 데 기여하게 됩니다. 이 과정에서 On-device AI를 위한 다양한 경량화 및 최적화 기술이 실제 제품에 어떻게 적용되는지 경험하며, 최신 모델들이 다양한 하드웨어에서 효율적으로 구동될 수 있도록 기술적 문제를 해결해 나갑니다. AI 컴파일러 엔지니어로서 이론적인 연구 결과물을 실제 소프트웨어 스택으로 구현해내는 성취감을 느끼실 수 있습니다.
✅ 주요 업무
- IR 구현 및 유지보수
- NPIR 그래프 구조 개발: 다양한 딥러닝 프레임워크의 다양한 모델 구조를 표현할 수 있는 NetsPresso Intermediate Representation (NPIR)의 데이터 구조를 구현하고 기능을 확장합니다.
- 프레임워크 변환 로직 개발: PyTorch, ONNX 등 다양한 프레임워크와 NPIR 간의 변환 로직을 구현하고 검증합니다.
- 하드웨어 친화적 IR 변환 및 로워링
- 백엔드 변환 로직 개발: NPIR을 ExecuTorch, TensorRT 등 타겟 런타임 및 하드웨어 전용 IR로 변환하는 로워링 패스를 구현합니다.
- 하드웨어 제약 기반 그래프 변환: 타겟 HW 오퍼레이터 및 제약 사항 분석, 컴파일러/Low-level IR 분석 기술을 기반으로 한 하드웨어 최적화 기술 연구 개발
✅ 자격요건
- 컴퓨터공학, 전자공학 등 관련 전공 학위를 소지하신 분
- Python 언어에 능숙하며, 객체 지향 프로그래밍(OOP) 및 클린 코드 작성이 가능하신 분
- PyTorch, ONNX, Python, Linux, Git/GitHub, Docker 경험을 보유하신 분
- 관련 분야 5년 이상의 경력을 지니신 분
- 해외 여행에 결격 사유가 없는 분
✅ 우대사항
- 시스템 레벨 구현을 위한 C++ 역량 및 Python 활용 능력을 갖추신 분
- CPU/GPU/NPU의 메모리 계층 구조, 병렬 컴퓨팅(SIMD, Multi-threading)에 대한 기초 지식을 갖추신 분
- IR(Intermediate Representation), 컴파일러 패스(Pass), 추상 구문 트리(AST) 등 컴파일러 기본 원리에 대한 이해를 갖추신 분
- ExecuTorch, ONNX, TensorRT, AIMET 등의 라이브러리를 활용한 모델 최적화 경험이 있으신 분
- 정적 메모리 할당(Static Memory Allocation) 또는 복잡한 데이터 레이아웃 최적화 관련 프로젝트 경험이 있으신 분
✅ 채용 절차
- 서류 검토 → 사전과제 발표 → 1차 인터뷰 → 2차 인터뷰 → 3차 인터뷰 → 처우 협의 → 최종 선발
(절차 간에 추가적인 과제가 있을 수 있습니다.)
🤓 팀의 메세지
새로운 컴파일러 기술과 하드웨어 백엔드 최적화에 대한 높은 관심, 그리고 이를 실제 소프트웨어 스택으로 정교하게 구현해내는 실행력이 중요합니다. 이론적인 설계에 머물지 않고, NPIR이 다양한 하드웨어 백엔드(NPU, GPU 등)에서 최상의 성능을 낼 수 있도록 변환(Lowering)하고 최적화하는 과정을 제품화하는 포지션입니다. 하드웨어 아키텍처에 대한 이해를 바탕으로 타 파트와 긴밀하게 소통하는 주도적인 협업 태도를 중요하게 생각합니다. 복잡한 연산 스케줄링과 메모리 최적화 문제를 깊이 있게 파고들며, On-device AI의 기술적 한계를 하드웨어 단에서 돌파하고 싶은 분이라면 우리 팀에서 큰 성장을 이룰 수 있을 것입니다.
지원 전, 확인해주세요! 👀
- 해당 공고는 상시 채용으로, 채용 완료 시 조기 마감될 수 있습니다.
- 이력서 내 연봉 정보 등 민감한 개인 정보가 기재되어 있다면, 해당 서류는 검토되지 않을 수 있습니다.
- 제출해 주신 내용 중 허위 사실이 있을 경우 채용이 취소될 수 있습니다.
- 채용 전 레퍼런스 체크가 있음을 알려드립니다.
- 최종 인터뷰 합격 시 별도로 처우를 협의합니다.
- 입사 후 시용기간이 있으며, 이에 대한 처우는 차등을 두지 않음을 알려드립니다.
- 국가보훈대상자 및 장애인은 관련 법규에 의거하여 우대합니다.
- 장애인 고용 촉진을 위한 행정적 절차 확인이 필요한 경우, 장애인 등록증 사본을 기타 서류 란에 선택적으로 제출하실 수 있습니다. 제출 여부는 전형 평가에 어떠한 영향도 미치지 않습니다.
- R&D 모든 포지션에서 전문연구요원, 산업기능요원으로 근무가 가능합니다. (단, 산업기능요원 현역 신규 편입의 경우 불가능)
🔎 읽어보면 도움 되는 관련 자료
👋 우리 팀을 소개합니다.
NetsPresso Platform 팀은 Nota AI의 AI 모델 경량화 및 최적화 기술을 바탕으로, 연구·개발된 기술을 실제 제품으로 구현하여 사용자에게 제공하는 핵심 플랫폼과 소프트웨어를 설계·구현하는 조직입니다.
Model Representation, Quantization, Graph Optimization, Model Engineering, SW Engineering 파트로 구성되어 있으며, 그중 Model Representation Part는 다양한 딥러닝 프레임워크로부터 유입되는 모델들을 자사 고유의 통합 IR (Intermediate Representation)인 NPIR로 변환하여, Quantization, Graph Optimization, Compression 등의 최적화 기술을 적용 가능케 합니다.
- 다양한 프레임워크 모델을 자사 고유의 NPIR로 통합하여 기술적 범용성을 확보하며
- 최신 AI 모델들과 다양한 하드웨어를 지원 가능하도록 확장하고
- 딥러닝 모델의 논리적 구조를 타겟 런타임 환경에 최적화하여 실제 하드웨어에서의 추론 효율을 극대화 합니다.
📌 해당 포지션으로 합류하신다면
NetsPresso의 기반이 되는 통합된 IR을 제품화하는 과정에 참여합니다. 다양한 딥러닝 프레임워크와 하드웨어의 특성을 파악하고, 노타만의 고유한 IR(NPIR)을 설계하고 개발하는 데 기여하게 됩니다. 이 과정에서 On-device AI를 위한 다양한 경량화 및 최적화 기술이 실제 제품에 어떻게 적용되는지 경험하며, 최신 모델들이 다양한 하드웨어에서 효율적으로 구동될 수 있도록 기술적 문제를 해결해 나갑니다. AI 컴파일러 엔지니어로서 이론적인 연구 결과물을 실제 소프트웨어 스택으로 구현해내는 성취감을 느끼실 수 있습니다.
✅ 주요 업무
- IR 구현 및 유지보수
- NPIR 그래프 구조 개발: 다양한 딥러닝 프레임워크의 다양한 모델 구조를 표현할 수 있는 NetsPresso Intermediate Representation (NPIR)의 데이터 구조를 구현하고 기능을 확장합니다.
- 프레임워크 변환 로직 개발: PyTorch, ONNX 등 다양한 프레임워크와 NPIR 간의 변환 로직을 구현하고 검증합니다.
- 하드웨어 친화적 IR 변환 및 로워링
- 백엔드 변환 로직 개발: NPIR을 ExecuTorch, TensorRT 등 타겟 런타임 및 하드웨어 전용 IR로 변환하는 로워링 패스를 구현합니다.
- 하드웨어 제약 기반 그래프 변환: 타겟 HW 오퍼레이터 및 제약 사항 분석, 컴파일러/Low-level IR 분석 기술을 기반으로 한 하드웨어 최적화 기술 연구 개발
✅ 자격요건
- 컴퓨터공학, 전자공학 등 관련 전공 학위를 소지하신 분
- Python 언어에 능숙하며, 객체 지향 프로그래밍(OOP) 및 클린 코드 작성이 가능하신 분
- PyTorch, ONNX, Python, Linux, Git/GitHub, Docker 경험을 보유하신 분
- 관련 분야 5년 이상의 경력을 지니신 분
- 해외 여행에 결격 사유가 없는 분
✅ 우대사항
- 시스템 레벨 구현을 위한 C++ 역량 및 Python 활용 능력을 갖추신 분
- CPU/GPU/NPU의 메모리 계층 구조, 병렬 컴퓨팅(SIMD, Multi-threading)에 대한 기초 지식을 갖추신 분
- IR(Intermediate Representation), 컴파일러 패스(Pass), 추상 구문 트리(AST) 등 컴파일러 기본 원리에 대한 이해를 갖추신 분
- ExecuTorch, ONNX, TensorRT, AIMET 등의 라이브러리를 활용한 모델 최적화 경험이 있으신 분
- 정적 메모리 할당(Static Memory Allocation) 또는 복잡한 데이터 레이아웃 최적화 관련 프로젝트 경험이 있으신 분
✅ 채용 절차
- 서류 검토 → 사전과제 발표 → 1차 인터뷰 → 2차 인터뷰 → 3차 인터뷰 → 처우 협의 → 최종 선발
(절차 간에 추가적인 과제가 있을 수 있습니다.)
🤓 팀의 메세지
새로운 컴파일러 기술과 하드웨어 백엔드 최적화에 대한 높은 관심, 그리고 이를 실제 소프트웨어 스택으로 정교하게 구현해내는 실행력이 중요합니다. 이론적인 설계에 머물지 않고, NPIR이 다양한 하드웨어 백엔드(NPU, GPU 등)에서 최상의 성능을 낼 수 있도록 변환(Lowering)하고 최적화하는 과정을 제품화하는 포지션입니다. 하드웨어 아키텍처에 대한 이해를 바탕으로 타 파트와 긴밀하게 소통하는 주도적인 협업 태도를 중요하게 생각합니다. 복잡한 연산 스케줄링과 메모리 최적화 문제를 깊이 있게 파고들며, On-device AI의 기술적 한계를 하드웨어 단에서 돌파하고 싶은 분이라면 우리 팀에서 큰 성장을 이룰 수 있을 것입니다.
지원 전, 확인해주세요! 👀
- 해당 공고는 상시 채용으로, 채용 완료 시 조기 마감될 수 있습니다.
- 이력서 내 연봉 정보 등 민감한 개인 정보가 기재되어 있다면, 해당 서류는 검토되지 않을 수 있습니다.
- 제출해 주신 내용 중 허위 사실이 있을 경우 채용이 취소될 수 있습니다.
- 채용 전 레퍼런스 체크가 있음을 알려드립니다.
- 최종 인터뷰 합격 시 별도로 처우를 협의합니다.
- 입사 후 시용기간이 있으며, 이에 대한 처우는 차등을 두지 않음을 알려드립니다.
- 국가보훈대상자 및 장애인은 관련 법규에 의거하여 우대합니다.
- 장애인 고용 촉진을 위한 행정적 절차 확인이 필요한 경우, 장애인 등록증 사본을 기타 서류 란에 선택적으로 제출하실 수 있습니다. 제출 여부는 전형 평가에 어떠한 영향도 미치지 않습니다.
- R&D 모든 포지션에서 전문연구요원, 산업기능요원으로 근무가 가능합니다. (단, 산업기능요원 현역 신규 편입의 경우 불가능)