AI 모델이 실제 트래픽 환경에서
안정적으로, 빠르게, 그리고 계속 진화하게 만듭니다.

: 이 가슴 뛰는 미션을 함께 할 MLOps Engineer를 찾습니다!

합류하시면 이런 일을 함께해요 🚀

• KServe 기반 모델 서빙 플랫폼을 운영하고 고도화합니다.
• Kubernetes(EKS) 환경 위에서 수천 RPS 이상의 트래픽을 안정적으로 처리하는 FastAPI 기반 서빙 레이어를 설계/개발/운영합니다.
• 서빙(AWS/EKS)과 학습(GCP/GKE) 워크로드를 안정적으로 받치는 클라우드 인프라를 운영하고 고도화합니다.
• MLflow, Airflow 등의 머신러닝 플랫폼을 제공합니다.
• ML 엔지니어와 협업해 학습 -> 레지스트리 -> 서빙까지의 배포 파이프라인을 자동화하고, 모델 교체/롤백/AB테스트 등을 안전하게 수행할 수 있는 워크플로우를 만듭니다.
• ML 관련 시스템의 Observability 를 확보하고, 장애를 조기에 감지 및 대응할 수 있는 체계를 구축합니다.

라포랩스는 이런 분을 찾고 있어요 🚀

• 5년 이상 10년 이하의 유관 경력을 보유하신 분
• Kubernetes 기반의 환경에서 서비스를 개발 및 운영해보신 분
• Python 기반 웹 서버 (FastAPI, Flask 등) 를 프로덕션에서 운영하며 성능 튜닝을 해보신 분
• 대규모 트래픽 환경에서 장애 대응과 성능 개선을 주도해보신 분
• 단순 운영을 넘어, 플랫폼·자동화·표준화로 동료 엔지니어의 생산성을 끌어올리는 데 관심이 있으신 분
• 기술적인 문제를 집요하게 파고들고 해결해본 경험이 있으신 분
• 현재의 시스템에 만족하지 않고 항상 WHY 에 대해 고민하시는 분

이런 경험을 가진 분이라면 더욱 좋아요! 🚀

• 6개월 이상의 ML 관련 경력을 보유하신 분 (ML Engineer / Research / Ops 등)
• 이커머스 도메인 경험이 있으신 분
• GPU 를 활용한 개발을 해본 경험이 있으신 분
• KServe, Triton 등의 모델 서버를 운영해보신 분
• GCP/GKE 환경에서 인프라를 운영하고 최적화해본 경험이 있으신 분

라포랩스의 기술 스택은요 🚀

• 도구 : Git, Docker, Terraform, Helm, ArgoCD
• ML 플랫폼 : Airflow, Mlflow, FastAPI, Kubernetes, GKE(GCP), EKS(AWS), Spark

지원을 고민하고 계시다면 🙋🏻

• 이력서를 작성하실 때에는 참여한 프로젝트와 기술 스택의 단순 나열보다, "왜 그 문제를 풀어야 했고, 왜 그 방법을 택했으며, 어떻게 끝까지 파고들어 결과를 만들었는지" 가 드러나면 좋아요.
• ML 경험이 많지 않으셔도 괜찮아요. 백엔드, SRE, 플랫폼 엔지니어로서 대규모 트래픽 환경이나 분산 시스템을 운영해보신 경험이 있다면, ML 도메인은 합류 후 함께 익혀나가실 수 있습니다.
• 모든 자격요건을 갖추지 못했더라도 괜찮습니다. 위 항목들은 체크리스트가 아니라 우리가 함께 일하고 싶은 동료의 모습일 뿐이에요. WHY 를 고민하고 집요하게 문제를 파고드는 분이라면, 망설이지 말고 지원해주세요.

라포랩스로의 합류 여정이에요 🚀

• 전형 프로세스 : 서류 전형 ＞ 전화인터뷰 > 1차 실무인터뷰 > 2차 컬쳐인터뷰 > 처우 협의 > 최종 합격
  • 프로세스는 일정과 상황에 따라 사전 안내 후 일부 변경 또는 추가될 수 있습니다.
  • 각 전형 결과(합격/불합격)에 관계 없이 모든 지원자분들께 1~2주 이내에 개별 연락드립니다.
  • 정규직의 경우, 3개월의 수습기간이 적용됩니다. 이 기간 동안 급여는 100% 지급되며 평가에 따라 수습이 연장되거나 종료될 수 있습니다.
  • 채용 진행 과정에서 제출한 이력서·증빙자료 등에서 사실과 다른 정보 및 허위 기재 사항이 발견될 시 합격이 취소될 수 있습니다.