• 트럭 엔진음 기반 상태등급화 모델 연구 및 구현
• MFCC, Spectral Feature 등 음향신호 전처리 파이프라인 설계
• CNN + XGBoost + LightGBM 등 앙상블 구조 기반 엔진상태 예측 모델링
• OBD-II 실시간 데이터 분석 (RPM, 속도, 연료트림, 점화타이밍 등) 및 이상감지 알고리즘 개발
• Freeze Frame 데이터를 활용한 차량 고장 원인 추정 및 정비 시점 예측
• 시세예측 모델(Regression, Stacking, Blending)과 연계한 차량 가치 보정 알고리즘 개발
• 모델 실험 관리 및 성능 최적화 (MLflow, Optuna, Hyperparameter Tuning)
• 모델 경량화 및 모바일 추론 최적화(Quantization, Pruning, Distillation)

[기술스택]

• 언어 / 프레임워크: Python, PyTorch, TensorFlow, FastAPI
• 딥러닝 구조: CNN, RNN(LSTM/GRU), Attention, AutoEncoder
• 신호처리: Librosa, Torchaudio, SciPy.signal, MFCC, Mel-Spectrogram, STFT
• 머신러닝: XGBoost, LightGBM, CatBoost, ExtraTrees, Optuna, MLflow
• 데이터 / 인프라: Pandas, NumPy, AWS(S3·ECS·Lambda·RDS), Docker, GitHub Actions
• 차량 데이터: OBD-II(Mode 01~02, PID, DTC, Freeze Frame), CAN, pySerial
• 모델 최적화 / 배포: TensorRT, ONNX, TFLite, Quantization, Pruning

• 컴퓨터공학 / 인공지능 관련 전공 또는 동등 연구개발 경력 3년 이상
• CNN, RNN, Transformer 등 딥러닝 기반 분류모델 구현 경험
• MFCC, Mel-spectrogram, Spectral feature 등 음향 데이터 특징추출 경험
• XGBoost, LightGBM 등 Gradient Boosting 계열 모델 활용 능력
• 성능지표(F1, AUC, MAE, RMSLE 등)에 대한 이해 및 모델 평가 경험
• 모델 reproducibility 확보를 위한 MLflow / W&B 등 실험관리 도구 활용 경험

• 자동차 엔진음 / 기계음 / 산업설비 음향 분석 또는 Predictive Maintenance 경험
• CNN + GBDT Late Fusion / Ensemble 구조 설계 경험
• OBD-II·ECU 데이터 분석 및 전처리 경험 (Mode 01/02, DTC, Sensor PID 등)
• Spectral Subtraction / Order Tracking / Vibration 분석 경험
• 시세예측 Regression 모델 또는 차량 가치 평가 모델 개발 경험
• AWS 기반 데이터 인프라 구축 경험 (ETL, Batch, API 연동)
• 모바일 AI / Edge AI 환경에서의 추론 최적화 경험
• 특허·논문 등 연구개발 산출물 작성 경험

서류전형 -> 1차면접 (인성 및 기술면접) -> 임원면접 -> 최종합격

• 면접일정은 추후 통보됩니다.