AI 기반 개발자 / 식물 생체 초음파 분석 시스템 고도화

• 음파 데이터 수집 및 라벨링

• AI 모델 훈련 및 고도화 (CNN 기반, 추후 아키텍처 확장 가능)

• 엣지 디바이스 스펙 선정 및 모델 배포 방식 결정

• 로컬 GPU 서버 기반 추론 파이프라인 운영

• 온라인 서버 API 연동 및 유지보수

• PyTorch 또는 TensorFlow를 이용한 딥러닝 모델 설계 및 학습 경험

• 데이터 수집, 전처리, 라벨링 전 과정 경험

• 모델 훈련 파이프라인 구성 및 성능 개선 경험

• REST API 연동 경험 (서버 개발 불필요, 연동 수준)

• 음성, 음파, 시계열 신호 데이터 처리 경험

• 엣지 디바이스 (Raspberry Pi, Jetson 등) 배포 경험 또는 이해

• MLOps 또는 경량화 모델 최적화 경험

• MLflow 또는 Weights & Biases를 이용한 실험 관리 경험

• FastAPI 등 백엔드 서버 개발 경험

• AWS / GCP 등 클라우드 서비스 경험

• 1단계: 서류 전형

- 아래 질문에 대한 답변 포함 자유 양식의 이력서와 포트폴리오(또는 GitHub 링크)를 제출해 주세요. 어떤 데이터 파이프라인을 구축해 보셨는지, 딥러닝 모델 성능을 어떻게 개선해 보셨는지 알 수 있는 경험 위주로 적어 주시면 좋습니다.

1. 데이터 수집, 전처리, 라벨링, 학습 데이터셋 구축 중 직접 경험해 본 과정이 있다면 설명해 주세요.

2. 음성, 음파, 센서 데이터, 시계열 데이터 중 다뤄본 경험이 있나요?

• 있다면 어떤 데이터였고, 어떤 방식으로 처리했는지 설명해 주세요.

• 없다면 유사한 데이터 처리 경험을 설명해 주세요.

3. 본인이 참여한 프로젝트 중 가장 어려웠던 기술적 문제와 해결 과정을 설명해 주세요.

4. 초기 스타트업 환경 또는 0에서 1을 만드는 제품 개발에 관심을 갖는 이유를 알려주세요

• 2단계: 직무 및 기술 인터뷰 및 컬처핏 인터뷰 - 실무 역량과 문제 해결 방식을 알아가는 시간입니다. 코딩 테스트보다는 그동안 해결하셨던 기술적 난제와 고민의 과정을 깊이 있게 나누고 싶습니다. (대면 진행) 이후 그린튠즈의 경영진 및 팀원들과 티타임을 가지며, 우리가 그리는 비전과 지원자님의 커리어 방향성이 잘 맞는지 편안하게 대화합니다.

• 3단계: 처우 협의 및 최종 합류 - 최선의 대우를 위해 깊이 있게 논의한 후 최종 합류를 결정합니다.