부서소개 저희 부서는 HyperCLOVA X 의 이미지·비디오 생성을 담당하며, Diffusion 기반 생성 파운데이션 모델을 중심으로 핵심 기술을 연구·개발하고 있습니다. Diffusion Transformer 등의 아키텍처, Vision Tokenizer 등 Omni-LLM과의 인터페이스 전반을 직접 설계하며, 대규모 GPU 클러스터 환경에서 from-scratch 학습과 고도화를 수행합니다. 그리고 이 과정에서 생성 품질, 이미지 편집 시 일관성 유지, 복합 모달리티 시나리오하에서의 안정적인 생성과 같은 핵심 문제를 해결하는 데 집중하고 있습니다. 또한 모델에 국한되지 않고, 학습 데이터셋 설계와 구축을 함께 수행합니다. 이미지 생성·편집, 이미지 조건 기반 비디오·오디오 생성 등 새로운 옴니모달 시나리오를 발굴하고, 단계적 판단이나 중간추론 유도 등 성능을 향상시키기 위한 데이터 구성 및 학습 전략을 연구하고 있습니다. 이렇게 모델, 데이터를 종합적으로 다루며 개발한 결과물은 Hugging Face (링크 클릭)와 arXiv (링크 클릭)에 공개하며, 대외적으로 기술적 임팩트를 만들어가고 있습니다. 담당업무 1. 고품질 이미지/비디오 데이터 처리 파이프라인 구축 및 개선 • 다양한 특징 추출 모델(Aesthetics Score, OCR, Optical Flow 등) 및 캡셔닝 모델의 비교·도입 • 웹, 문서, 비디오 등 원시 데이터로부터 구조화된 이미지-텍스트 Interleaved 데이터 추출 • 데이터 시각화 및 분석 도구를 활용한 지속적인 데이터 품질 모니터링 및 개선 2. GPU 클러스터 기반의 대규모 데이터 처리 및 관리 • Ray, PySpark 등을 활용한 분산 데이터 처리 파이프라인 개발 • Data Lake 환경에서의 학습 데이터 관리 및 통계 분석 3. 모델 평가 및 분석 • 모델 성능 평가를 위한 각종 벤치마크 도입 및 평가 자동화(EvalOps) • 평가 결과 분석을 통한 학습 레시피 개선 포인트 도출 자격요건 • 데이터 처리 파이프라인 또는 딥러닝 모델 개발 실무 경험을 2년 이상 보유하신 분 • PyTorch를 활용한 딥러닝 모델 구현 및 실험 경험을 보유하신 분 • 실험 결과를 정리·분석하여 다음 개선 방향을 도출할 수 있는 역량을 보유하신 분 우대사항 • Ray, PySpark, Vector DB 등을 활용한 대규모 데이터셋 분산 처리 경험을 보유하신 분 • 100K 샘플 이상 자체 데이터셋 구축 경험을 보유하신 분 • 데이터 또는 모델 품질 향상을 위한 자동화 도구·파이프라인 개발 경험을 보유하신 분 • MLOps 또는 EvalOps 시스템 설계·구축 경험을 보유하신 분 전형절차 및 기타사항 [전형절차] 서류 전형(기업문화적합도 검사 및 직무 테스트 포함) ▶ 1차 인터뷰 ▶ 레퍼런스체크 및 2차 인터뷰 ▶ 처우협의 ▶ 최종합격 ※ 전형 절차는 일정 및 상황에 따라 변동 될 수 있으며, 전형 별 결과에 따라 절차(추가 인터뷰 등)가 추가될 수 있습니다. ※ 정해진 결과 발표 일정은 없으며, 지원서 검토 후 면접 일정은 대상자에게 개별로 안내 드릴 예정입니다. [근무지] 경기 성남시 분당구 불정로 6 (그린팩토리) ※ 근무지는 회사 내부 사정에 따라 변동될 수 있습니다.