ML Engineer
'검증 가능한 AI'를 실제로 구현하는 엔지니어
Fact-checking, Evidence Finding, Causality Graph, Timeseries 추출 등 팩타고라의 API 엔드포인트를 구성하는 ML 파이프라인을 설계하고 고도화합니다. 단순히 모델을 학습시키는 것을 넘어, 글로벌 뉴스와 리서치 소스로부터 지식을 추출하고 신뢰도를 평가하며 시간의 흐름에 따라 사실이 어떻게 변화하는지를 추적하는 TKG(Temporal Knowledge Graph) 시스템을 함께 만들어갑니다.
담당업무
- Fact-checking, Evidence Finding, Deep Research 등 핵심 API 엔드포인트의 ML 파이프라인 설계 및 고도화
- FactBlock 생성을 위한 비정형 텍스트 구조화 모델 개발(NER, Relation Extraction, Claim Detection 등)
- TKG(Temporal Knowledge Graph) 구축 및 시간에 따른 사실 변화 추적 시스템 개선
- RAG 파이프라인 최적화 및 검색 정확도·근거 신뢰도 향상
- LLM 기반 멀티 에이전트 아키텍처(Agent Debate) 설계 및 성능 개선
- Causality Graph, Timeseries 추출 등 구조화 추론 기능 연구 및 구현
- 모델 평가 프레임워크 구축 및 프로덕션 배포 파이프라인 운영
- 글로벌 뉴스·리서치 소스 기반 지식 그래프 품질 모니터링 및 자동화
자격요건
- ML/NLP 관련 업무 경력 2년 이상 또는 이에 준하는 연구·개발 경험
- Python 기반 ML 모델 개발 및 프로덕션 배포 경험(PyTorch, HuggingFace 등)
- LLM 또는 RAG 시스템을 실제 서비스에 적용해본 경험
- NLP 태스크(텍스트 분류, 개체명 인식, 관계 추출 등) 모델링 경험
- 모델 성능 평가 및 실험 관리에 체계적으로 접근할 수 있는 분
- 논문을 읽고 빠르게 구현하며 실무에 적용할 수 있는 분
우대사항
- Knowledge Graph 또는 Graph Neural Network 관련 연구·개발 경험이 있으신 분
- Fact-checking, Claim Verification, Misinformation Detection 관련 연구 경험이 있으신 분
- 멀티 에이전트 LLM 시스템 또는 Self-correcting 파이프라인을 구현해보신 분
- 대규모 뉴스·문서 데이터 처리 및 정보 추출 파이프라인 구축 경험이 있으신 분
- MLOps 환경 구축 및 모델 서빙·모니터링 경험이 있으신 분
- 글로벌 유저 대상 서비스를 운영하거나 영어 커뮤니케이션이 가능하신 분
- AI 또는 딥테크 제품에 대한 높은 이해도와 관심을 갖고 계신 분
이런 분을 찾습니다
- AI가 생성한 정보가 "왜 틀리는가"에 근본적인 호기심을 갖고 있는 분
- 논문의 아이디어를 빠르게 프로토타입으로 만들고 실서비스에 적용하는 데 익숙한 분
- 모델 성능 수치보다 "사용자가 정말 신뢰할 수 있는가"를 기준으로 사고하는 분
- 불확실한 문제를 작은 실험으로 쪼개고 빠르게 검증하는 방식에 편안함을 느끼는 분
- 팩타고라의 미션(신뢰할 수 있는 AI와 정보 환경)에 진심으로 공감하는 분
채용 프로세스
서류접수1차 면접2차 면접최종합격
지원 관련 문의
지원 접수 과정에서 문제가 있거나 채용 포지션 관련 문의사항이 있으시다면
support@factagora.com으로 문의해 주세요. 확인하는대로 빠르게 답변드리겠습니다.