ML Lead (Coupang Eats Search)

쿠팡이츠의 Search 팀에서 검색 결과 추출(Retrieval) 및 연관성(Relevance) 모델 혁신을 이끌 ML Lead Engineer 를 채용합니다. 본 역할은 음식 배달 및 퀵커머스 전반에 걸쳐 고객이 브랜드, 매장, 메뉴, 상품을 탐색하는 방식을 정의하며, 검색 알고리즘과 전략 생태계 전반을 총괄합니다. 쿠팡이츠 Search ML Lead로서 브랜드·매장·메뉴·상품의 성공적인 검색 결과 추출 비율을 높이고, 검색 연관성과 전환율의 측정 가능한 개선을 주도하는 책임을 집니다. 쿼리 및 메뉴 이해, 후보군 추출, 연관성 평가, 품질 측정에 이르는 엔드투엔드(End-to-End) 스택을 소유하며, 다년간의 로드맵 수립 및 ML·엔지니어링 프로젝트를 이끌게 됩니다. 음식 배달 검색은 매우 역동적이며 초지역적(hyperlocal)이고 시간 민감도가 높습니다. 검색 결과는 고객의 검색 의도를 반영하는 동시에 위치, 매장 및 메뉴의 주문 가능 여부, 배달 시간, 가격, 프로모션, 품질, 실시간 고객 맥락을 유연하게 반영해야 합니다. 검색 및 NLP 분야의 깊은 전문성과 뛰어난 프로덕트 감각, 조직 리더십을 갖추고 품질, 지연 시간(latency), 안정성, 실험 속도 사이의 균형을 효과적으로 맞출 수 있는 분을 찾습니다. • 고객 및 비즈니스 성과 창출: 쿠팡이츠 검색 서비스 전반에서 브랜드, 매장, 메뉴, 상품의 추출 성능을 개선하고 전환율을 높이기 위한 ML 전략, 지표, 실행을 총괄합니다. 명확한 성과 지표와 목표를 설정하고, 가드레일 지표와 고객 경험을 보호하는 동시에 엄격한 실험과 진단을 통해 지속적인 개선을 이끌어냅니다. • 쿼리 및 상품 이해 (Query and Product Understanding): 쿼리 의도 및 엔티티 이해, 메뉴 및 식당 표현(representation), 오타 교정, 동의어 확장, 쿼리 재작성(query rewriting) 기능을 고도화합니다. • 검색 결과 추출 (Retrieval): 텍스트 기반(lexical), 의미 기반(semantic) 및 하이브리드 추출 기법을 발전시킵니다. 색인(indexing), 피처 파이프라인, 모델 라이프사이클을 포함한 확장 가능하고 저지연을 보장하는 추출 전략을 설계합니다. • 연관성 측정 및 실험 (Relevance Measurement and Experimentation): 오프라인 평가, 정성 평가(human judgment), 온라인 A/B 테스트, 가드레일 지표, 롱테일(tail) 쿼리·콜드 스타트(cold-start)·고객 세그먼트 진단을 활용하여 엄격한 품질 평가 체계를 구축합니다. • ML 및 LLM 혁신: 최신 머신러닝, 임베딩, LLM 기술을 쿼리 및 메뉴 이해, 후보 생성(candidate generation), 라벨링, 평가, 오류 분석에 적용하여 명확한 고객 가치 창출과 비용 효율성을 달성합니다. • 다중 시장 및 로컬라이제이션: 언어 이해, 음식 카테고리 체계(taxonomy), 고객 선호도, 마켓플레이스 시그널을 각 시장의 특성에 맞게 최적화하는 동시에 재사용 가능한 핵심 역량을 구축합니다. • 조직 리더십: 머신러닝 엔지니어, 인프라 엔지니어를 코칭하고 데이터 분석가와 협력하여 최고 수준의 쿠팡이츠 검색 경험을 만들어갑니다.