[부서역할]

대규모 Vision Model 학습의 경우 모델의 크기 뿐만 아니라 데이터의 규모 면에서도 많은 Challenge 가 존재합니다. 단순하게 이미지는 텍스트에 비하여 용량이 크기 때문에 학습시의 Traffic Bandwidth 가 문제가 되는 경우도 있습니다.

본 부서에서는 Vision Model 학습에 있어서의 다양한 Engineering Challenge 들을 해결하고 인적인 공수를 줄여 더 고성능의 모델을 효율적으로 생산하는것을 목표로 하고 있습니다. 실제 현업에서 특히 Vision Model 이 학습되는 과정을 경험할 수 있으며 관련 Engineering 에 대한 이해도를 높일 수 있습니다.

[담당업무]

- SuperPod 을 이용한 Model 생산을 위한 F/W 도입과 관련된 Engineering

- 데이터 정제, 모델 학습, 평가, 서빙의 자동화를 지원하는 Event Driven Architecture의 시스템 구축

- 사내 VLOps 대시보드 및 데이터 관리 툴 운영 보조

[지원자격]

- 국내/외 정규 대학(학사)재학 또는 그 이상의 학력 보유자 (기졸업자 가능)

- 인턴십 기간(약 3개월) 동안 Full-Time 근무가 가능하신 분

- Vision Language Model (LLaVA, Qwen VL, DeepSeek VL) 에 대한 기본적인 지식 및 학습 과정에 대한 이해가 있으신 분

- Python 활용 능력이 있으신 분

[우대사항]

- Kubeflow, Argo Workflow 등의 오케스트레이션 툴 활용 경험이 있으신 분

- Kafka, RabbitMQ 등의 메시지큐 기반의 서비스 개발 경험이 있으신 분

- Microservice Architecture(MSA) 기반 아키텍처 설계 경험이 있으신 분

- Event-Driven Architecture(EDA)에 대한 이해 및 경험이 있으신 분

- Pytorch, Huggingface에 대한 높은 이해 및 Custom PretrainedModel 개발 경험이 있으신 분

(이 중 최소 2개 이상에 대한 실질적인 프로젝트 수행 경험 필수)

[부서역할]

Pretrained Language Model 로 출발하여 Supervised Fine Tuning 을 통한 Vision 관련 능력을 추가하는 형태의 pipeline 은 일반적으로 잘 알려져 있는 형태의 VLM 생산 공정입니다. 하지만 Pretrain 단계에서부터 여러 Modality 들을 통합 학습하여 근본적인 Vision 관련 역량을 끌어올리는 Omni 형태의 Training 의 경우 효과가 있다는 다양한 추측이 있을 뿐 거대 리소스를 투입하여 어느정도의 실제 효과가 있는지에 대한 Ablation 내용은 잘 공개되어 있지 않은 실정입니다.

본 부서에서는 Vision Foundation Model 로써의 전반적 성능 향상에 도달하기 위하여 더 나은 Multimodal Backbone 을 생산하기 위한 노력을 하고 있습니다.

[담당업무]

- SuperPod 자원을 활용한 Multimodal Backbone 의 Vision 능력 추가를 위한 모델 학습

- SuperPod 을 통한 Backbone 생산을 위한 FW 도입과 관련된 Engineering

- 다양한 Multimodal Backbone 이 최종 모델의 성능에 미치는 영향 탐색

- 효과적인 Pretraining Recipe 탐색과 Pretraining Data 에 대한 Curation 및 Filtering 작업

[지원자격]

- 국내/외 정규 대학(학사)재학 또는 그 이상의 학력 보유자 (기졸업자 가능)

- 인턴십 기간(약 3개월) 동안 Full-Time 근무가 가능하신 분

- Vision Language Model (LLaVA, Qwen VL, DeepSeek VL) 에 대한 기본적인 지식 및 학습 과정에 대한 이해가 있으신 분

- Distributed Training에 대한 이해가 있으신 분

- Python 활용 능력이 있으신 분

[우대사항]

- Challenge 참가 경험 또는 상위 입상 경험이 있으신 분

- Deepspeed Zero 등의 학습 가속을 위한 지식이나 경험이 있으신 분

- 최소1개월 이상 소요된, 팀 프로젝트를 성공적으로 완료한 경험이 있으신 분