[미리캔버스] 응용 알고리즘 엔지니어 (Applied Algorithm Engineer)

"미리디에서 이런 일들을 함께 하고 싶어요"

1. 콘텐츠 구조를 분석하여 원본 요소와 대체 요소 간의 mapping / matching 로직을 설계하고 구현합니다.
2. tree, graph, hash, index 등 자료구조를 활용해 콘텐츠 변환과 후보 탐색 문제를 제품 로직으로 모델링합니다.
3. 대규모 데이터풀에서 유사하거나 대응 가능한 후보를 빠르게 찾기 위한 signature, indexing, pruning, deduplication 로직을 개발합니다.
4. AI Agent와 workflow가 tool을 안정적으로 호출할 수 있도록 precondition, postcondition, invariant 기반의 harness를 설계합니다.
5. 잘못된 입력, 잘못된 실행 순서, 품질이 낮은 결과를 사전에 걸러내기 위한 linter / validation rule을 구현합니다.
6. 결과물의 품질을 판단하기 위한 scoring, ranking, rule-based evaluation 로직을 만들고 실험 결과를 분석합니다.
7. 실패 케이스와 예외 상황을 수집해 fallback policy를 정의하고, 제품에서 허용 가능한 결과와 거절해야 하는 결과를 구분합니다.
8. 기존 시스템 로직을 분석해 정확도, 속도, 안정성, 유지보수성을 개선합니다.
9. PoC 단계의 아이디어를 빠르게 구현하고, 실험 결과를 바탕으로 다음 개선 방향을 제안합니다.

"이런 분이라면 목표 달성에 확신을 얻을 것 같아요"

1. 3년 이상의 소프트웨어 개발 경험이 있으신 분
2. TypeScript 기반의 애플리케이션, 서버, worker, batch pipeline 중 하나 이상의 개발 경험이 있으신 분
3. 자료구조와 알고리즘을 단순 지식이 아니라 실제 제품 문제 해결에 적용해본 경험이 있으신 분
4. 복잡하고 모호한 요구사항을 작은 문제로 분해하고, 규칙·제약조건·예외 흐름으로 구조화할 수 있으신 분
5. API를 호출하는 수준을 넘어 실행 흐름, 입력 검증, 결과 검증, 실패 대응까지 함께 설계할 수 있으신 분
6. 실험 결과나 로그를 보고 오류 패턴을 찾아내고, 개선 가설을 코드로 검증할 수 있으신 분
7. Git 기반 협업과 코드 리뷰, 테스트 작성 등 기본적인 개발 워크플로우에 익숙하신 분
8. PM, TPM, Software Engineer와 문제 정의와 해결 방향을 논리적으로 맞춰갈 수 있으신 분

"이런 분이라면 장기적으로 서로에게 더 긍정적일 것 같아요!"

1. graph matching, tree matching, tree edit distance, bipartite matching, assignment problem, constraint solving 중 하나 이상을 다뤄본 경험이 있으신 분
2. ranking logic, scoring function, rule engine, validation logic, lint rule을 직접 설계하거나 구현해본 경험이 있으신 분
3. hash, indexing, deduplication, search optimization, candidate pruning, reranking 관련 문제를 다뤄본 경험이 있으신 분
4. AI Agent, tool calling, workflow orchestration, guardrail, fallback logic을 설계해본 경험이 있으신 분
5. LLM 기반 작업의 입력·출력 검증, 품질 평가, hallucination 방지 로직을 고민해본 경험이 있으신 분
6. 콘텐츠 변환, 데이터 매핑, 추천, 검색, 랭킹, 매칭 문제를 제품 환경에서 풀어본 경험이 있으신 분
7. 수학, 컴퓨터공학, 알고리즘 문제 해결, 올림피아드, 프로그래밍 대회 등 논리적 난제 해결에 깊게 몰입해본 경험이 있으신 분
8. 빠르게 PoC를 만들고, 완성도보다 학습 속도를 우선해 실험을 반복해본 경험이 있으신 분

| ​ ​직무 ​소개

미리캔버스는 이제 ​사용자가 하나하나 디자인을 고치는 ​도구를 ​넘어, 사용자의 ​의도와 콘텐츠 구조를 ​이해해 더 ​나은 ​결과물을 제안하는 ​제품으로 ​나아가고 ​있어요. 이 과정에서 ​가장 ​어려운 문제는 AI가 ​무언가를 ​“생성”한 ​다음부터 시작됩니다. 어떤 ​요소를 유지하고, ​어떤 ​요소를 바꾸고, ​어떤 결과를 ​제품 ​안에서 실제로 써도 ​되는지 판단하는 ​로직이 필요하기 때문이에요.

Applied Algorithm Engineer는 이 복잡한 판단을 감이 아니라 계산 가능한 구조로 바꾸는 역할이에요. 콘텐츠의 구조를 tree나 graph처럼 바라보고, matching, ranking, validation, fallback 로직을 설계해 AI 기반 기능이 안정적으로 동작하도록 만듭니다. 처음에는 문제가 모호하게 느껴질 수 있어요. 하지만 어려운 문제를 오래 붙잡고, 규칙을 세우고, 검증 가능한 코드로 바꾸는 과정에 몰입하는 분이라면 밀도 높은 성장을 경험하실 수 있을 거예요.

PM, TPM, Software Engineer와 함께 “이 기능을 만들 수 있는가”를 넘어 “이 판단을 어떤 구조로 모델링해야 안전하게 확장될 수 있는가”를 고민하게 됩니다. 단순 구현보다 한 단계 안쪽의 문제, 즉 제품 품질을 결정하는 보이지 않는 로직을 직접 설계하고 제품에 연결하는 경험을 하게 될 거예요.

| 기대 모습

1. 1개월 뒤
2. 미리캔버스의 콘텐츠 구조, 에디터 도메인, AI 기반 기능의 실행 흐름을 이해하고, 현재 시스템에서 어떤 판단 로직이 병목이 되는지 파악합니다.
3. 기존 코드와 실험 결과를 읽으며 matching, ranking, validation, fallback이 필요한 문제를 작은 단위로 나누어 설명할 수 있습니다.
4. 3개월 뒤
5. 콘텐츠 대치, 후보 탐색, 결과 검증 중 하나 이상의 문제를 맡아 실행 가능한 알고리즘 로직으로 구현합니다.
6. AI Agent나 자동화 파이프라인이 tool을 더 안정적으로 사용할 수 있도록 harness와 linter 구조를 개선합니다.
7. 그 이후
8. 원본 콘텐츠와 대체 콘텐츠 사이의 대응 관계를 정의하고, 실제 제품 안에서 안전하게 사용할 수 있는 콘텐츠 변환 로직을 설계합니다.
9. 대규모 후보군에서도 빠르고 안정적으로 동작하는 검색·매칭·랭킹 구조를 설계하고, 제품 요구사항 변화에도 견딜 수 있는 로직으로 발전시킵니다.

| 기타 사항

1. [서류 전형] - [과제 전형] - [1차 인터뷰] - [처우 협의] - [입사] 의 프로세스로 진행됩니다.
2. 과제 전형: 1차 인터뷰 전, 작은 규모의 설계·구현 과제가 진행됩니다.
3. 서류는 원활한 검토를 위해 PDF 형식으로 제출 부탁 드립니다.
4. 직급에 따라 인터뷰 후 레퍼런스 체크 전형이 추가될 수 있습니다.
5. 입사 후 3개월의 수습 기간 및 수습 평가가 진행됩니다. (급여 100%)
6. 서류 전형 결과 안내까지는 최대 2주, 인터뷰 결과 안내까지는 최대 3주가 소요됩니다.
7. 여러 포지션에 동시에 지원해주시는 것은 가능하지만 동일한 포지션의 경우 최종 결과 안내를 받은 시점으로부터 6개월 후에 재지원이 가능합니다.