-Legal Entity: Hyperconnect
-Brand: Match Group AI
Match Group AI 소개
Match Group AI는 온라인 데이팅의 핵심 문제를 AI로 해결하는 중앙 기술 조직입니다. 프로필, 매칭, Trust & Safety 등 사용자 경험의 핵심 영역에 집중해 과제를 발굴합니다. 이를 최신 AI 기술과 데이터 기반의 접근을 통해 해결하여 사용자 경험을 혁신합니다. 나아가 Tinder, Hinge 등 Match Group 내 글로벌 데이팅 브랜드와의 협업을 바탕으로 그룹 공통 기술 기반을 확장합니다.
팀에서 진행 중인 프로젝트를 더 자세히 알고 싶으시다면, 다음 게시글을 확인해보세요.
Match Group AI ML Team 소개
ML Team은 Match Group의 다양한 서비스에 AI/ML 기술을 적용하는 ML Engineer로 구성된 팀입니다. 팀의 업무는 실제 제품이 만들어지고 운영되는 과정에서 발생하는 문제를 발굴하고 정의하는 것에서 시작됩니다. 문제 해결에 가장 적합한 SotA(State-of-the-Art) 모델을 개발하거나 재현하고, 완성된 모델을 모바일과 서버 환경에 안정적이고 효율적으로 배포합니다. 이후에도 지속적인 모니터링과 개선을 통해 서비스의 AI Flywheel을 구축해 나갑니다. 이 과정에서 백엔드/프론트엔드/DevOps 엔지니어, 데이터 분석가, PM 등 다양한 전문 조직과 긴밀히 협업하며 실제 사용자에게 임팩트를 주는 AI 경험을 만들어갑니다. 일하는 모습에 대한 조금 더 자세한 이야기는 다음의 내용을 참고하시면 좋습니다.
업무 성과 중 일부는 논문 또는 오픈소스 코드로 외부에 공개하기도 합니다. 제품에 사용하기 위한 목적으로 ML 모델을 만들다 보면, 기존 연구로는 부족한 경우가 많습니다. 부족한 부분을 채우기 위해 진행된 연구의 결과물을 프로젝트 참여자들이 모두 함께 협업하여 연구의 의미 있는 부분을 정돈하고, 가능하다면 코드와 함께 공개합니다. 그 결과, 지금까지 아래 성과를 포함해 약 20여 건의 대외적 연구 성과를 거둘 수 있었습니다.
ML 연구가 잘 진행되기 위해서는 딥러닝 학습을 위한 인프라도 잘 갖추어져야합니다. ML engineer들이 충분히 모델 개발 및 실험을 진행할 수 있도록 자체 딥러닝 클러스터(총 160대 A100 GPU, 40대 H100 GPU)를 보유하고 있습니다. 추가적으로, 데이터 수집, 전처리를 포함한 자체적인 데이터 파이프라인을 클라우드 서비스를 활용하여 구축 및 운영하고 있습니다. 또, ML 모델의 제품화를 도와주실 다양한 software engineer(백엔드/프론트엔드/DevOps/MLSE)분들과 함께 일하고 있습니다.
담당 업무
Match Group AI의 ML Engineer는 최신 AI/ML 기술을 연구하고 적용하는 과학자이자, 실제 서비스 환경에 맞게 모델 및 시스템을 설계하고 최적화하는 엔지니어입니다. 조직에서는 다음과 같은 다양한 업무들을 담당하고 있으며, 이들 중 적어도 한 가지 업무에 대해서 능숙하게 수행하실 수 있는 분을 찾고 있습니다.
- Match Group에서 서비스 중인 제품들에서 발생하는 다양한 비즈니스 문제를 해결합니다. 비즈니스 문제의 배경, 목표, 제약사항 등을 파악하여 올바른 AI/ML 문제로 재정의하고, 이를 해결하기 위한 최선의 방법론을 찾아 문제를 해결하는 과정을 수행합니다.
- Match Group의 새로운 제품 및 기능 개발에 참여합니다. 아이디어 구상부터 프로토타이핑, 실제 사용자에게 도달하기까지의 과정에서 AI/ML 기술들을 활용하여 제품 및 기능을 빠르고 올바르게 구현하는 과정을 수행합니다.
- 대규모 언어 모델(large language models) 및 멀티모달 모델(multimodal models) 선행연구 및 개발을 담당합니다. Match Group의 데이터와 최신 기술들을 활용하여 데이팅 도메인에 특화된 모델을 만들고, 제품의 다양한 영역에 적용시킬 수 있는 방법을 찾아가는 과정을 수행합니다.
위 업무들을 수행하기 위해 Sr. ML Engineer에게는 탄탄한 AI/ML 기초 지식과 빠른 최신 기술 습득을 기반으로 팀의 기술적 의사결정을 이끌어 갈 수 있는 역량을 기대합니다. 이러한 역량을 기반으로 주로 다음과 같은 기술적인 주제들을 주도하게 됩니다.
- 텍스트, 이미지, 이벤트 로그 등을 포함하여 다양한 modality를 가진 데이터를 올바르게 다루는 방법 및 수집된 데이터의 편향 및 노이즈를 올바르게 해소하는 방법
- 제품의 목표와 정렬된 평가 지표 정의 및 목표 달성을 위한 최적의 모델 학습 방법
- 엔지니어링 제약사항 및 인프라 환경을 고려한 온디바이스 및 대규모 모델 추론 최적화 방법
