HYPERCONNECT AI 소개

HYPERCONNECT AI는 머신러닝 연구를 통해 실제 비즈니스 성과를 만들어내는 조직입니다. 비즈니스 문제를 ML 문제로 재정의하고, 제품의 핵심 지표를 개선하는 데 집중합니다. 외부 솔루션을 단순히 적용하는 것은 지양하고, 문제 설정부터 다시 고민하며 최선의 선택을 직접 만들어갑니다. 그 결과 HYPERCONNECT AI의 연구 성과는 실제 비즈니스 임팩트로 이어져 왔으며, 그 중 아주 일부 사례는 본사인 Match Group의 Earnings Letter를 통해 소개되기도 했습니다. HYPERCONNECT AI에서 연구는 목적이 아니라 수단이며, 목표는 명확한 비즈니스 임팩트입니다.

HYPERCONNECT AI에서 풀고 있는 문제들의 예시는 다음과 같습니다.

추천 모델 스케일링: LLM에서는 스케일링 법칙이 널리 받아들여지지만, 추천 모델에서는 그렇지 않습니다. 우리는 모델과 데이터 규모가 커질수록 성능도 함께 개선되는 구조를 만드는 연구를 진행합니다. LLM을 포함한 대형 모델을 다루되, 추론 등 현실적인 제약사항을 고려하여 모델을 설계합니다.
추천 모델 정렬: 모든 추천 문제는 결국 "이 유저에게 이 콘텐츠를 보여줬을 때 비즈니스가 얼마나 성장할지"를 정량적으로 측정하는 문제입니다. 강화학습, 인과 추론, 게임 이론 등을 바탕으로 스케일링된 추천 모델을 포스트 프로세싱하여 비즈니스 목표와 정렬하는 방법을 연구합니다.
멀티모달 LLM을 활용한 모더레이션 ML 프로세스 자동화: 이미지, 음성, 텍스트 등 여러 모달리티에 걸친 Trust & Safety(모더레이션) ML 과정에서 사람이 수행하던 데이터 레이블링, 모델 개선, 평가 등의 단계를 LLM으로 자동화하고 고도화하는 연구를 진행합니다. LLM이 회사의 내부 데이터와 정책을 정확히 이해하고, 그 판단을 내부 전문가 수준으로 신뢰할 수 있도록 만드는 데 집중합니다.

연구 결과 중 의미 있는 성과는 논문이나 오픈소스 형태로 외부에 공개하기도 합니다. 논문 출판을 목표로 하지는 않지만, 제품 문제를 해결하는 과정에서 기존 연구로 충분히 설명되지 않는 부분이 있을 경우 이를 정리해 연구 성과로 남깁니다(참고). 지금까지 약 20여 건의 대외 연구 성과를 만들어 왔습니다.

AI로 비즈니스 문제를 해결하기 위해서는 모델 학습을 위한 인프라도 제대로 갖추어져야합니다. HYPERCONNECT AI에서는 ML Research Scientist들이 충분히 모델 개발 및 실험을 진행할 수 있도록 자체적인 연구용 GPU 클러스터를 구축하여 활용하고 있습니다.

Staff, Machine Learning Research Scientist (Azar)

사람과 사람을 연결하는 Azar에서, 기존 기술로는 접근하기 어렵지만 머신러닝으로 풀 수 있는 문제를 해결합니다. 아자르의 Recommendation, Moderation, 그리고 새로운 혁신 영역의 문제를 다루며, 만들어낸 기술이 실제 서비스 성장에 기여하는 것을 목표로 합니다.

Responsibilities

Head of AI의 핵심 파트너로서, Azar의 추천 및 모더레이션 영역에서 풀어야 할 핵심 문제를 정의합니다. 여러 직군과 리더십의 관점을 정렬하고, 비즈니스 임팩트와 기술적 실현 가능성을 바탕으로 조직의 우선순위와 실행 전략을 함께 결정합니다.
최신 AI/ML 연구와 기술 발전을 바탕으로 기존 제품 요구사항만으로는 발견하기 어려운 기회를 발굴합니다. 새로운 기술이 Azar를 어떻게 혁신할 수 있는지 제안하고, 기술적·사업적 실현 가능성과 장기적인 기술적 해자를 바탕으로 투자할 가치가 있는지 판단합니다.
비즈니스 요구사항을 AI/ML 문제로 재정의하고, 딥러닝뿐만 아니라 고전적 머신러닝, 통계, 최적화 등을 폭넓게 검토하여 해법을 설계합니다. 비즈니스 요구사항을 만족시키기 위해 휴리스틱과 예외 처리를 반복적으로 덧붙이는 데 머무르지 않고, 문제의 구조와 ML 이론에 대한 깊은 이해를 바탕으로 주어진 제약 안에서 이론적 최적해에 가까운 방향을 탐색합니다.
해결되지 않은 고난도 ML 문제와 긴급한 비즈니스 문제에 직접 뛰어듭니다. 모델의 오프라인 성능에 머무르지 않고 사용자 경험과 실서비스 지표의 변화를 검증하여 장기적인 제품 및 비즈니스 성과를 만듭니다.
개별 모델의 성능을 넘어 데이터, 학습, 평가, 실험, 서빙과 피드백이 연결되는 ML 시스템 전반을 이해합니다. 빠르고 신뢰도 높은 실험과 지속적인 개선이 가능하도록 전체 시스템의 구조와 각 구성 요소의 역할을 ML 관점에서 설계합니다.
다른 ML Research Scientist들과 연구 주제와 해결 방향을 정렬하고, 각 연구가 하나의 기술 전략과 제품 성과로 이어지도록 이끕니다. Machine Learning Software Engineer, 데이터 엔지니어, 프로덕트 조직 등과도 협업하여 연구 결과가 실제 제품에 적용되도록 기술적 의사결정을 주도합니다.

Requirements

머신러닝 및 관련 분야의 박사 학위 또는 이에 준하는 연구 역량을 보유하신 분
산업 현장에서 머신러닝 기반 제품이나 서비스를 개발하고 개선한 경력이 5년 이상이신 분
모호한 비즈니스 문제를 명확한 ML 문제로 정의하고, 이론적 근거와 실험을 바탕으로 해결 전략을 설계한 경험이 있으신 분
복잡하고 해결하기 어려운 문제를 주도적으로 끝까지 해결하고, 모델 성능을 사용자 경험이나 비즈니스 지표의 개선으로 연결해 본 경험이 있으신 분
다른 연구자, 엔지니어 및 비기술 직군과 협업하며 기술적 방향을 정렬하고 의사결정을 설득력 있게 이끌 수 있는 분

Preferred Qualifications

AI/ML 탑티어 학회(NeurIPS, ICLR, ICML, CVPR, KDD 등 )중 한 곳 이상의 메인 트랙에 주저자로 논문을 게재한 경험이 있으신 분
추천 시스템, 강화학습, LLM 및 AI Agent 관련 핵심 기술에 대한 연구 경험이 있으신 분
대규모 트래픽을 처리하는 사용자 대상 서비스에서 ML 시스템을 제품화하고 반복적으로 개선한 경험이 있으신 분
영어로 글로벌 팀과 기술적 논의를 주도할 수 있는 분

Hiring Process

고용 형태: 정규직
채용 절차: 서류전형 > (해당 시) 직무 역량 서술* > Recruiter Call > 1차 면접 > 2차 면접 > 최종합격 (필요 시 전형이 추가/변경 진행될 수 있습니다.)
*서류 전형 과정에서 직무 적합성을 확인하기 위해, 직무 역량 관련 문항에 대한 답변을 요청드릴 수 있습니다.
지원 서류: 자유 양식의 상세 경력기반 국문 또는 영문이력서(PDF)

#LI-HP1

제출해 주신 내용 중 허위 사실이 있거나 관련법 상 근로제공에 결격사유가 있는 경우 채용이 취소될 수 있으며, 필요시 사전에 안내된 채용 절차 외에도 추가 전형 및 서류 확인이 진행될 수 있습니다.

국가보훈대상자는 관계 법령에 따라 우대하오니, 해당되시는 분께서는 지원 시 고지해주시고 채용 시 증빙서류를 제출해주시기 바랍니다.

하이퍼커넥트가 채용하는 포지션에 지원하는 경우, 개인정보 처리에 관하여서는 본 개인정보처리방침이 적용됩니다: https://career.hyperconnect.com/privacy

#HPCNT

Match Group

Machine Learning Research Scientist

About the Job

Requirements

Responsibilities

Desired Qualifications

HYPERCONNECT AI 소개

Staff, Machine Learning Research Scientist (Azar)

Responsibilities

Requirements

Preferred Qualifications

Hiring Process

About the Company

Match Group

Recently Posted Jobs