Responsibilities

• AI 모델 최적화
• 자율주행 스택 및 온디바이스 LLM을 포함한 딥러닝 모델을 NPU 하드웨어에 맞게 최적화
• 모델 압축(양자화, 프루닝 등), 연산자 퓨전, 메모리 최적화 기법을 활용하여 성능 개선


• 툴 체인 개발
• AI 모델 변환 및 최적화를 위한 툴체인 설계 및 구현
• 딥러닝 프레임워크(TensorFlow, PyTorch 등)와의 통합 및 효율적인 워크플로우 제공
• NPU 대상 코드 생성 및 디버깅 도구 개발


• 자율주행 및 LLM 스택 최적화
• 자율주행에 필요한 AI 모듈(예: 객체 인식, 경로 계획 등)을 최적화하여 실시간 실행 성능 확보
• LLM 추론 최적화를 통해 메모리 효율성과 속도 향상
• 멀티모달 AI 스택에서 모델 병렬화 및 분산 실행 기술 적용


• 성능 분석 및 개선
• AI 모델의 런타임 성능 분석 및 병목현상 파악
• 하드웨어 리소스(NPU, GPU, 메모리 등) 활용률을 극대화할 수 있는 기술 구현


• 리서치 및 신기술 도입
• AI 모델 최적화 및 NPU 관련 최신 기술 동향을 연구
• NPU 성능을 극대화할 수 있는 새로운 기법 실험 및 도입

Qualifications

• 컴퓨터 공학, AI 또는 관련 분야 학사/석사 학위
• AI 모델 최적화 및 하드웨어 가속기 경험 (3년 이상)
• NPU, GPU, 또는 ASIC을 활용한 AI 최적화 경험
• TensorFlow Lite, ONNX, PyTorch와 같은 딥러닝 프레임워크 및 모델 변환 도구 사용 경험
• 양자화, 프루닝, 지연 평가(Lazy Evaluation)와 같은 모델 압축 및 최적화 기술
• C++/Python과 같은 프로그래밍 언어 및 하드웨어-가속 코드 작성 경험
• 메모리 관리 및 병렬 컴퓨팅 기술

Preferred Qualifications

• 자율주행 스택 (예: SLAM, 경로 계획, 객체 인식) 경험
• 온디바이스 AI/LLM 관련 최적화 경험
• LLVM/MLIR 등 컴파일러 기술 활용 경험
• 임베디드 시스템에서의 AI 최적화 경험
• 오픈소스 AI 최적화 프로젝트에 기여한 경험

Interview Process

• 서류전형 - 코딩테스트 - 화상면접 (1시간 내외) - 대면 혹은 화상면접 (3시간 내외) - 최종합격
• 전형절차는 직무별로 다르게 운영될 수 있으며, 일정 및 상황에 따라 변동될 수 있습니다.
• 전형일정 및 결과는 지원서에 등록하신 이메일로 개별 안내드립니다.

Additional Information

• 모든 제출파일은 PDF 양식으로 업로드를 부탁드립니다.
• 국가보훈대상자 및 취업보호대상자는 관계법령에 따라 우대합니다.
• 장애인 고용촉진 및 직업재활법에 따라 장애인 등록증 소지자를 우대합니다.
• 42dot은 의뢰하지 않은 서치펌의 이력서를 받지 않으며, 요청하지 않은 이력서에 대해 수수료를 지불하지 않습니다.