👋 우리 ​팀을 ​소개합니다.

우리 ​팀은 다양한 ​NPU, GPU, AI 가속기 ​환경에서 ​LLM과 Computer ​Vision 모델이 안정적으로 ​동작하도록

모델 변환부터 ​그래프 ​최적화, 벤더 ​컴파일러 ​연동, ​디바이스 런타임 구성, ​배포까지 ​모델의 전체 생명주기를 ​설계하고 ​구현하는 ​역할을 맡고 있습니다. ​하드웨어 제조사가 ​제공하지 ​않는 영역, ​예를 들면 ​Front ​및 Middle End ​최적화, Graph ​Surgery, 연산자 수정과 같은 부분을 독자적으로 해결하며 어떤 모델이든, 어떤 디바이스 환경에서도 동작 가능하게 만드는 것이 팀의 핵심 미션입니다.

📌 해당 포지션으로 합류하신다면

Edge AI Engineer는 최신 AI 모델이 실제 디바이스에서 정확하고 빠르게 동작하도록 만드는 핵심 역할을 수행합니다. PyTorch 기반의 동적 모델을 ONNX 중심의 정적 그래프로 변환하고 최적화하며, 이를 다양한 하드웨어 환경에 맞게 컴파일하고 배포하는 End to End 모델 실현 과정을 직접 설계하고 구현하게 됩니다. 모델 구조 분석부터 그래프 레벨 최적화, 벤더별 컴파일러 대응, 디바이스 성능 튜닝까지 단순한 변환 작업을 넘어 이 모델이 이 디바이스에서 왜, 어떻게, 얼마나 잘 동작하는지를 끝까지 책임지는 역할입니다.

✅ 주요 업무

1) 모델 변환/최적화 파이프라인

• Torch → ONNX 변환 구조 분석 및 dynamic → static 정적화
• 연산자 호환성 분석 및 unsupported ops 수정/대체
• quantization-friendly 구조 설계 및 메모리/latency 최적화
• Front/Middle-End Graph Rewriting 전략 수립 및 직접 구현

2) 디바이스 기반 컴파일 & 배포

• 다양한 벤더 compiler(TensorRT, QNN, SNPE, eIQ 등)를 활용한 모델 컴파일
• Jetson/DeepX/Telechips/Renesas 등 디바이스의 runtime 환경 구성 및 디버깅
• 디바이스별 Dtype/shape/메모리 제약 대응 및 성능 프로파일링

3) 모델 품질, 성능 관리

• Transformer/Diffusion 등 최신 모델 구조 깊은 이해
• 변환 전/후 품질 비교 및 품질 저하 원인 분석
• latency, 메모리, 정확도 목표 기준 수립 및 성능 보장

✅ 자격요건

• ONNX 기반 모델 변환, 최적화, 디버깅 경험을 보유하신 분
• NPU, GPU, ASIC 등 다양한 하드웨어 환경에서 inference pipeline을 설계하거나 운영해본 경험이 있으신 분
• Model graph 구조에 대한 이해를 바탕으로 front 및 middle end 수준의 graph surgery가 가능하신 분
• Transformer 및 Diffusion 계열 모델 아키텍처에 대한 이해를 보유하신 분
• 모델 변환, 빌드, 배포 과정에서의 자동화 파이프라인 구축 경험이 있으신 분
• 복잡한 기술적 이슈를 맥락에 맞게 정리하고, 동료와 명확하게 소통할 수 있는 분

✅ 추가 자격요건 (Senior Level)

시니어 엔지니어는 모델 변환부터 디바이스 배포까지의 전체 흐름을 빠르게 이해하고, 기술적 방향성을 제시하며 프로젝트를 리딩할 수 있어야 합니다.

1. 문제 정의 및 프로젝트 전략 수립

• 고객사 요구사항을 기반으로 문제를 정의하고 목표와 성공 기준을 명확히 설정할 수 있는 분
• 주어진 기간과 제약 조건 내에서 실행 가능한 기술 전략을 수립하고 주요 리스크를 예측하고 관리할 수 있는 분
• 복잡하고 모호한 문제를 구조화하여 팀과 이해관계자에게 명확히 설명할 수 있는 분

2. 문서화, 제안 및 기술 리딩

• 정부 과제 또는 기업 대상 기술 제안서 작성 경험이 있으신 분
• 기술 문서와 보고서를 통해 의사결정 과정과 결과를 체계적으로 기록할 수 있는 분
• 주니어 및 미들 레벨 엔지니어에게 기술적 가이드를 제공하고 멘토링이 가능하신 분

✅ 우대사항

• 벤더 compiler 복수 경험
• MLOps 또는 LLM Serving 스택 경험
• 기술 제안, 프로젝트 리딩 경험
• 다수 고객사 대응 경험
• 최우수 AI 학회 논문 게재 경험

✅ 채용 절차

• 서류 검토 > 스크리닝 인터뷰 > 사전 과제 > 1차 인터뷰 > 2차 인터뷰

(절차 간에 추가적인 과제가 있을 수 있습니다.)

🤓 팀의 메세지

우리 팀은 Any AI on Any Device를 말로만 설명하지 않습니다. 다양한 AI 모델을 다양한 디바이스 환경에서 실제로 돌려보고, 끝까지 검증하는 팀입니다. 최신 Computer Vision, Transformer, Diffusion 모델을

CPU, GPU, NPU 등 서로 다른 아키텍처에 맞춰 변환하고 최적화하며 이론이 아니라 결과로 가능성을 증명합니다. 그리고 연구에서 끝나는 일이 아니라, 변환과 배포, 성능 검증까지 전 과정을 직접 책임집니다.

우리는 모델만 다루는 팀도, 디바이스만 다루는 팀도 아닙니다. PyTorch 기반의 dynamic graph부터 ONNX static graph, compiler IR, device runtime까지 모델, 그래프, 컴파일러, 디바이스 전 스택을 관통하는 문제를 다룹니다. 왜 이 연산이 특정 디바이스에서 동작하지 않는지, 왜 같은 모델이 환경에 따라 성능이 달라지는지, 이 질문을 남의 문제로 두지 않고, 직접 파고들어 해결합니다.

좋은 동료들과 함께 협업하며 하드웨어와 소프트웨어의 경계를 넘나드는 복잡한 문제를 풀고 실제 기술과 제품으로 만들어 가는 여정에 함께할 분을 기다립니다.

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 (신규 편입, 전직) 가능합니다.

🔎 읽어보면 도움 되는 관련 자료

• 노타의 그라운드 룰, LP를 소개합니다
• 노타크루는 핵심 가치(CV)를 어떻게 실행할까?
• 노타의 나침반, 조직문화
• 기술 이야기 없이 AI 회사를 설명할 수 있나요?