ML/DL 엔지니어

[경험]ML/DL 서비스로 비즈니스 문제를 해결한 경험

[경험] ML/DL 모델 성능 개선 및 서비스를 위한 SW Framework 개발 경험

[경험] Large Model AI 서비스 개발 경험

[경험] 프롬프트 엔지니어링 경험

[경험] ML/DL 서비스 운영 경험

[클라우드]AWS/GCP/Azure 등 클라우드 인프라에서 서비스 환경구축 기술

[환경구축]IaC(Infrastructrue as Code / Terraform)를 활용한 데이터 인프라 설계 및 운용 기술

[환경구축]Container Orchestration 구축 기술

[ETL]다양한 타입(RDBMS, NoSQL 등)의 데이터베이스 활용기술

[데이터셋구축]ML/DL 모델 학습에 필요한 데이터 셋 구축 및 관리 기술

[라벨링]이미지, 텍스트, 동영상 등 비정형 데이터 처리, 라벨링 기술

[피처 엔지니어링]데이터 추출 및 피처 엔지니어링 기술

[모델개발]비즈니스 문제해결을 위한 ML/DL 모델 개발 기술

[모델개발] ML/DL 관련 논문을 읽고 구현 할 수 있는 기술

[모델학습]ML/DL 분산 학습 및 추론 환경 개발 기술

[모델훈련]모델의 성능 지표 선정-개발-실험-성능 모니터링 기술

[모델개선]ML/DL 파이프라인을 통해 성능개선-최적화-경량화-자동화 기술

[배포자동화]머신러닝/딥러닝 모델 배포 파이프라인 기술(버전별 관리, 배포자동화, CI/CD)

[모델서빙]Restful API 서버 개발(Model Serving)

[클라우드] AWS, GCP, Azure 서비스

[언어] Python, JAVA, Go, Scala, C++ 중 1개

[ML/DL FW] Pytorch, Tensorflow

[컨테이너]Container Orchestration : Docker, k8s

[워크플로우] Airflow 등

[빅데이터/병렬 처리] Spark, Hive, Ray, Dask 등

[Model Serving] Flask, Django

[지식] ML/DL 모델 및 알고리즘 지식

[지식] 자료구조, 알고리즘에 대한 지식

[지식]최신 머신러닝/딥러닝 연구 지식

[지식]컴퓨터 공학 지식 : OS, Network, Database

[지식]Linux 환경에 대한 이해