머신러닝 엔지니어 - 개인화 러닝 예측 모델 개발

주요업무

1. 데이터 분석 및 학습 데이터셋 구축

• 보유 러닝 로그의 구조, 측정 간격, 결측값 및 이상치 분석
• GPS 좌표·시간 기반 이동 거리, 속도, 페이스 변화 등 특징 추출
• 사용자별 러닝 이력과 세션별 정형 데이터를 활용한 학습 데이터셋 구축
• 예측 대상, 예측 시간 범위 및 실제 측정값에 기반한 정답 데이터 정의

2. 자체 러닝 예측 모델 개발

• 기준 모델 구축 및 시계열·회귀 모델의 비교 실험
• 개인별 성과 추세·목표 달성률과 이후 러닝 구간 예측 모델 학습
• 사용자 특성을 반영하는 개인화 방식 설계 및 성능 개선
• 신규 데이터 반영과 기록이 부족한 사용자의 초기 예측 방식 설계

3. 성능 평가 및 검증

• 시간순·사용자별 데이터 구성을 고려한 학습·검증·테스트 분리
• RMSE 기반 예측 성능 평가 및 기준 모델과의 비교
• 사용자별·구간별 예측 오차 분석 및 모델 개선
• 외부 성능 검증을 위한 평가 코드, 실험 결과 및 재현 문서 작성

4. 모델 전달 및 연동 협업

• 모델 추론 코드와 입력·출력 규격 작성
• 기존 개발팀이 LLM 코칭에 활용할 수 있도록 예측 결과와 단위·시간 범위 제공
• 모델 실행 환경, 추론 소요 시간 및 업데이트 절차 문서화
• 기존 백엔드 개발팀과 모델 연동 확인 및 인수인계

자격요건

• Python 기반 머신러닝 모델 개발 경험
• PyTorch, TensorFlow, scikit-learn 등 관련 도구 활용 능력
• 시계열 예측 또는 정형 데이터 기반 회귀 모델의 학습·평가 경험
• 데이터 전처리, 특징 설계 및 데이터 누수를 방지하는 평가 역량
• 데이터 분석부터 모델 학습·평가까지 프로젝트를 수행해본 분

우대사항

• GPS·센서·스포츠·헬스케어 데이터 분석 경험
• 사용자별 개인화 모델 개발 경험
• 불규칙한 시계열과 결측값·이상치 처리 경험
• 모델 추론 최적화 및 서비스 연동 경험
• 외부기관의 모델 성능 검증 대응 경험

■ 주요 산출물

• 데이터 분석 결과 및 전처리 코드
• 학습 데이터 구성 명세와 학습·추론 코드
• 학습된 모델 및 개인화·업데이트 절차
• 평가 코드, 성능 비교 결과 및 실험 보고서
• 모델 입력·출력 명세와 실행·인수인계 문서

복지 및 혜택

-

채용절차 및 기타 지원 유의사항

■ 수행 범위 및 평가 기준
본 모집의 수행 범위는 자체 러닝 예측 모델의 개발·검증 및 모델 연동 협업입니다.
LLM 코칭 서비스 구현, 앱 화면, 센서 수집, TTS 음성 재생은 기존 개발팀과 역할을 나누어 진행합니다.

■ 계약 및 지원
이력서 또는 경력 소개와 관련 프로젝트 포트폴리오를 보내주세요.
포트폴리오에는 직접 담당한 업무, 사용 데이터, 예측 대상, 평가 방법 및 성능 개선 내용을 포함해 주세요.

기업/서비스 소개

러닝포인트는 러닝 플랫폼 ‘랭킹마라톤’을 운영하고 있습니다.
개인별 러닝 이력과 현재 주행 데이터를 학습하여 이후 러닝 구간과 성과를 예측하는 자체 모델을 개발할 분을 찾습니다.

러닝포인트는 러닝 플랫폼 ‘랭킹마라톤’을 운영하고 있습니다.
실제 서비스에서 축적된 GPS 및 러닝 기록을 활용하여 사용자의 향후 페이스·이동 거리·성과 추세 등을 예측하는 머신러닝 모델을 개발합니다.
LLM API를 연결하는 업무가 아니라, 실제 러닝 데이터를 분석하고 학습 데이터셋을 구축하여 자체 예측 모델을 학습·평가하는 역할입니다.
개발된 예측 결과는 기존 개발팀이 LLM 기반 러닝 코칭 및 음성 안내 서비스와 연동합니다.

■ 개발 목표

• 개인별 누적 러닝 이력을 활용한 성과 추세 및 목표 달성률 예측
• 현재 러닝 패턴을 활용한 이후 구간의 페이스·이동 거리 등 예측
• 신규 러닝 기록을 반영하여 사용자별 예측을 개선하는 개인화 모델 개발

구체적인 예측 대상과 시간 범위는 보유 데이터 분석 후 확정합니다.
모델의 예측 결과는 기존 개발팀이 LLM 서비스와 연결하여 러닝 코칭 및 음성 안내에 활용합니다.