하이퍼커넥트 · Machine Learning Engineer

하이퍼커넥트 Machine Learning Engineer (MLE) 는 사람과 사람 사이를 연결하는 서비스에서, 기존의 기술로는 접근하기 어렵지만 머신러닝 기술을 통해 풀 수 있는 문제들을 찾아내고 해결하여 사용자 경험을 혁신합니다. 이를 위해 영상/음성/문자 등을 포함하여 다양한 도메인의 수많은 모델을 개발하고, 모바일 및 클라우드 서버를 통해 안정적으로 제공하면서 마주하는 연구 주제들을 풀어내어 우리가 만들어 내는 기술이 실제 서비스의 성장에 기여하는 것을 목표로 합니다.

이러한 목표 아래 AI Lab 소속의 MLE 는 아자르, 하쿠나 등 하이퍼커넥트의 여러 제품들에 기여하는 머신러닝 기술들을 벌써 수년간 발전시켜 왔고, AI Platform 의 MLE 는 이렇게 축적된 기술들을 다양한 글로벌 비즈니스 서비스에도 손쉽게 활용하기 위한 방안을 연구하고 있습니다.

MLE 는 최첨단의 모델을 연구하고 개선하는 과학자로서의 연구 능력과, 만들어진 모델의 시간/공간적 성능을 극한으로 끌어올리는 공학자로서의 개발 능력이 필요합니다. 이런 능력을 바탕으로 실제 서비스에서 겪는 문제를 발견/정의하고, 문제해결을 위한 SotA 모델을 재현 또는 개발하고, 모델을 온디바이스 및 서버 환경에 배포하고, 이후 모니터링하며 지속적으로 모델을 개선하는 AI flywheel 을 구축하는 등 다양한 업무를 수행합니다. 이 과정에서 ML Platform, 백엔드/프론트엔드 엔지니어, 데이터 분석가, PM 등 다양한 전문조직과 적극적으로 협업하며 도움을 받습니다. 일하는 모습에 대한 조금 더 자세한 이야기는 다음의 내용을 참고하시면 좋습니다.

• 프로덕션 환경에서 연구하기 (Link)

• 인터뷰x하커야 ML Platform Team (Link)

• 인터뷰x하커야 ML Team (Link)

연구의 결과물을 정리하여 논문 혹은 코드로 공개하는 것 또한 팀 목표 중 하나입니다. 제품에 사용하기 위한 목적으로 머신러닝 모델을 만들다 보면, 기존 연구로는 부족한 경우가 많습니다. 부족한 부분을 채우기 위해 진행된 연구의 결과물을 프로젝트 참여자들이 모두 함께 협업하여 연구의 의미 있는 부분을 정돈하고 가능하다면 코드와 함께 공개합니다. 그 결과, 지금까지 아래와 같은 대외적 연구 성과를 거둘 수 있었습니다.

• 2018년 저전력 이미지 인식 대회 (LPIRC) 2등

• 2019년 모바일 환경에 최적화된 경량 이미지 세그멘테이션 모델(MMNet) 아카이브 업로드

• 2019년 모바일에서 빠르게 동작하는 키워드 스팟팅 모델(TC-ResNet) INTERSPEECH 2019 게재

• 2019년 퓨샷 러닝을 통한 안면 재현 기술 AAAI 2020 게재

• 2020년 퓨샷 러닝을 통한 Text-to-Speech(TTS) 기술 INTERSPEECH 2020 게재

• 2020년 Long-tailed Visual Recognition 문제를 Label distribution shift 관점에서 해결하는 기술 CVPR 2021 게재

• 2021년 효율적인 Retriever기반 Chatbot을 위한 Large-Scale Generative 모델 활용 연구 EMNLP 2021 게재

• 2021년 Tabular Learning 기반 효율적인 Click-Through Rate Prediction 모델 ICLR 2021 Workshop 발표

• 2022년 모바일 환경에서 오디오 분류를 위한 distillation 기술 연구 ICASSP 게재

• 2022년 대화 생성 모델에서 예시를 활용하여 성능을 높이는 연구 ACL 2022 Workshop 발표

• 2022년 퓨샷 러닝을 통한 캐릭터를 따라하는 챗봇 연구 NAACL 2022 게재

• 2022년 레이블 노이즈가 심한 환경에서 효과적으로 학습하는 방법 ECCV 2022 게재

• 2022년 대화 생성에서의 의미적 다양성을 높이는 연구 EMNLP 2022 게재

• 2023년 모더레이션 환경에서 여러 분류 기준을 동시에 만족하기 위한 문턱값을 잡는 연구 WSDM 2023 게재


[Moderation ML Team]

• 아자르/아자르라이브/하쿠나 등 하이퍼커넥트 내부 프로덕트에 대해 수행하는 모더레이션을 효과적/효율적으로 하기 위한 ML 기술을 개발합니다. 개발한 기술을 다른 매치 브랜드에 제공하거나 외부에 팔 수 있도록 MPaaS 로 플랫폼화하는 일도 하고 있습니다.

• 훌륭한 동료들과 함께 실제 제품에 적용되는 ML 기술을 만들어낼 수 있습니다. 이렇게 만들어진 모델은 대량의 트래픽을 맞이하게 되며 이를 다루기 위한 전반적인 시스템 및 인프라스트럭쳐에 대한 경험을 하실 수 있습니다. 실제 서비스의 성장에 기여하는 과정에서 발견한 의미 있는 연구 결과를 대외적으로 공개합니다.

Responsibilities
[Moderation]
하이퍼커넥트의 서비스를 사용하는 사용자들의 만족스러운 경험을 위해 콘텐츠가 어떤 내용을 담고 있는지 이를 이해하는 다양한 기술 및 이러한 정보를 활용하는 연구 개발을 수행합니다. 영상이나 음성 및 자연어로 구성된 비정형 데이터를 입력으로 받아들여 의사결정을 내릴 수 있도록 유용한 정보를 추출하기 위해서 다음과 같은 문제를 함께 풀 수 있는 분들을 찾고 있습니다.
모바일 환경에서 빠른 속도를 낼 수 있는 경량 모델과 최적화에 대한 문제
효율적이고 label의 중요도를 조절할 수 있는 multi-task 혹은 multi-label 모델에 대한 문제
Partial multi-modal data를 활용하는 문제
스트림으로 유입되는 유저 행동 로그와 content understanding 결과에 기반한 실시간 이상 유저(ex. 스팸/가짜 계정)를 탐지하는 문제

[ML in Production]
실제 프로덕션에서 마주하는 문제들은 Kaggle과 달리 데이터셋이 정제되어 있지도 않고 매일 새로운 데이터가 시스템에 유입되는 경우가 대부분입니다. 어제보다 오늘 더 나아진 모델을 자동으로 만들어내기 위해 다음과 같은 문제를 함께 풀 수 있는 분들을 찾고 있습니다.
Highly imbalanced or noisy label data를 다루는 방법
Active learning을 통한 효율적인 데이터 라벨링 방법 혹은 모델 학습에 필요한 데이터를 줄일 수 있는 core-set selection 방법
기존에 deploy된 모델을 지속적으로 개선할 수 있는 continual/life-long learning 방법
모델 task 요구사항의 변화와 신규 서비스에 대응할 수 있는 meta-learning 방법


Requirements
기계학습과 딥러닝에 대한 전문 지식을 갖추고 관련 프로젝트 경험이 있으신 분
Tensorflow, PyTorch, JAX 등 오픈소스 프레임워크 기반 개발역량을 포함한 파이썬 개발역량이 충분하신 분
ML 모델을 학습하고 서비스에 배포하기까지 필요한 엔지니어링 역량을 갖추신 분
논문을 읽고 이를 빠르고 정확하게 구현할 수 있는 능력을 갖추신 분
학위나 국적은 무관합니다.


Preferred Qualifications/ Work Experiences
기계학습 관련 주요 학회 및 저널 개재 실적 혹은 AI 관련 대회 수상 실적이 있으신 분
모바일(Android, iOS) 혹은 백엔드 개발 경험이 있으신 분
기계학습 관련 오픈 소스 개발에 참여해 본 경험이 있으신 분
면접에서 기계 학습 관련 질문에 대해 방대한 지식을 자랑할 수 있으신 분


How We Work
정의되지 않은 과제를 정의하고 스스로 해결책을 찾아 해결할 수 있는 분
팀 단위 프로젝트를 성공적으로 리딩하며 팀간 협업을 이끌며 다른 기능의 직군 파트너와 협업을 하는 분
팀 안팎으로 커뮤니케이션하며 내 메시지를 청자에 맞추어 적절한 수준에서 명확하고 간결하게 제시할 수 있는 분
팀간의 협업을 돕고 결과를 만들어낼 수 있도록 지원할 수 있는 분


Hiring Process
고용 형태: 정규직
채용 절차: 서류전형 > 코딩테스트/사전과제 > Recruiter Call > 1차 면접 > 2차 면접 > 3차면접(해당 시) > 최종합격
근무 시간: 근무시간을 자율적으로 선택하는DIY(Do It Yourself) 근무제 (단, 병무청 복무규정에 따라 산업기능요원, 전문연구요원은 시차출근제 적용 – 오전 8시 ~ 11시 사이 출근)
지원 서류: 자유 양식의 상세 경력기반 국문 또는 영문이력서(PDF)


etc
하이퍼커넥트는 증명사진, 주민등록번호, 가족관계, 혼인여부 등 채용과 관계없는 개인정보를 요구하지 않습니다.
수습기간 중 급여 등 처우에 차등이 없습니다.
제출해 주신 내용 중 허위 사실이 있을 경우 채용이 취소될 수 있습니다.
필요 시 사전에 안내된 채용 절차 외에도 추가 면접 전형이 진행될 수 있습니다.
필요 시 지원자의 동의 하에 평판조회 절차가 진행될 수 있으며, 평판조회 결과에 따라 채용이 취소될 수 있습니다.


복리후생

하이퍼커넥트는 개인의 삶이 만족스러워야 회사에서도 만족감을 찾을 수 있다고 믿습니다.
진짜 중요한 일에만 집중할 수 있는 기업문화와 다양한 복리후생을 지속적으로 발전시키며 하이퍼커넥터의 건강과 삶, 그리고 행복한 회사생활을 위해 노력합니다.

Work

업무에 몰입할 수 있도록 아낌없이 지원합니다.
원격근무제
근무장소 자율 선택 (주1회 출근 권장, 팀별 자율 운영)
DIY근무제
근무/휴게 시간 자율 계획 (1개월 단위 소정근로시간 내) 불필요한 야근/주말근무 지양
최고의 오피스
이동이 편리한 위치 (2호선 삼성/9호선 봉은사역을 잇는 더블 역세권)아셈타워 내 쾌적한 근무공간
고성능 최신 장비
최고 수준의 업무용 장비 제공 최신 기술 활용에 적극 투자

Life

생활에 걸림돌이 될 수 있는 문제들을 해결하고자 노력합니다.
사내 카페(Hypresso) 운영
바리스타 상주, 수제 음료 및 베이커리 무료 이용
식사 및 간식 지원
아침(김밥 등 간편식), 점심(식대 1만 2천 원), 저녁(야근 시) 편의점급 스낵바 상시 운영
단체보험 가입 및 건강검진 지원
직원 단체보험 및 연 1회 건강검진 제공 (전액 회사 부담)
기숙사 지원
원거리 거주자 대상 기숙사 지원 (입주 요건 만족 시)
사내 대출 지원
생활 안정 위한 저금리 대출 지원 (근속기간 충족 시)
경조금/경조휴가 지급
경조휴가, 경조금 및 화환 지원
명절 선물 지급
30만 원 상당의 선물 제공 (옵션 제공, 선택 가능)

Growth

개인의 커리어 성장이 회사의 성장으로도 이어진다는 믿음으로 개인의 성장을 전폭적으로 지원합니다.
뛰어난 동료들과 협업
전 세계 22개국 이상에서 모인 글로벌 동료들과 협업하며 성장
글로벌 서비스 경험
가치를 인정받은 글로벌 서비스로 진정한 글로벌 노하우를 경험
외국어 교육 지원
사외 외국어 학습 비용 지원
직무 관련 교육 지원
글로벌 온라인 교육 플랫폼 Udemy 무료 이용, 직무 관련 최신 세미나/컨퍼런스 참가 비용 전액 지원, 직무 관련 사외교육 비용 지원
도서 지원
역사/인문/인물/자기계발/자연과학/경제경영/IT모바일 관련 도서 무제한 신청 가능

Refresh

충분한 휴식과 재충전을 지원합니다.
휴식 공간
1만 권 이상의 만화책, 게임기, 당구대, 멀티룸 등을 갖춘 편안한 휴식 공간 보유
헬스키퍼
전문 안마사의 마사지를 받을 수 있는 힐링존 운영
사내 커뮤니티 활동
각종 동호회 활동 지원 팀/직무와 관계없이 교류할 수 있는 그룹 런치 운영
장기근속 휴가
매 3년 근속 시 휴가(10일) 및 휴가비(200만 원) 제공
생일 축하
본인 생일 선물(상품권 20만 원) 및 생일 반차 제공가족 생일 반반차 제공(부모/배우자/자녀)

지원하러 가기

하이퍼커넥트 Machine Learning Engineer (MLE) 는 사람과 사람 사이를 연결하는 서비스에서, 기존의 기술로는 접근하기 어렵지만 머신러닝 기술을 통해 풀 수 있는 문제들을 찾아내고 해결하여 사용자 경험을 혁신합니다. 이를 위해 영상/음성/문자 등을 포함하여 다양한 도메인의 수많은 모델을 개발하고, 모바일 및 클라우드 서버를 통해 안정적으로 제공하면서 마주하는 연구 주제들을 풀어내어 우리가 만들어 내는 기술이 실제 서비스의 성장에 기여하는 것을 목표로 합니다.

이러한 목표 아래 AI Lab 소속의 MLE 는 아자르, 하쿠나 등 하이퍼커넥트의 여러 제품들에 기여하는 머신러닝 기술들을 벌써 수년간 발전시켜 왔고, AI Platform 의 MLE 는 이렇게 축적된 기술들을 다양한 글로벌 비즈니스 서비스에도 손쉽게 활용하기 위한 방안을 연구하고 있습니다.

MLE 는 최첨단의 모델을 연구하고 개선하는 과학자로서의 연구 능력과, 만들어진 모델의 시간/공간적 성능을 극한으로 끌어올리는 공학자로서의 개발 능력이 필요합니다. 이런 능력을 바탕으로 실제 서비스에서 겪는 문제를 발견/정의하고, 문제해결을 위한 SotA 모델을 재현 또는 개발하고, 모델을 온디바이스 및 서버 환경에 배포하고, 이후 모니터링하며 지속적으로 모델을 개선하는 AI flywheel 을 구축하는 등 다양한 업무를 수행합니다. 이 과정에서 ML Platform, 백엔드/프론트엔드 엔지니어, 데이터 분석가, PM 등 다양한 전문조직과 적극적으로 협업하며 도움을 받습니다. 일하는 모습에 대한 조금 더 자세한 이야기는 다음의 내용을 참고하시면 좋습니다.

• 프로덕션 환경에서 연구하기 (Link)

• 인터뷰x하커야 ML Platform Team (Link)

• 인터뷰x하커야 ML Team (Link)

연구의 결과물을 정리하여 논문 혹은 코드로 공개하는 것 또한 팀 목표 중 하나입니다. 제품에 사용하기 위한 목적으로 머신러닝 모델을 만들다 보면, 기존 연구로는 부족한 경우가 많습니다. 부족한 부분을 채우기 위해 진행된 연구의 결과물을 프로젝트 참여자들이 모두 함께 협업하여 연구의 의미 있는 부분을 정돈하고 가능하다면 코드와 함께 공개합니다. 그 결과, 지금까지 아래와 같은 대외적 연구 성과를 거둘 수 있었습니다.

• 2018년 저전력 이미지 인식 대회 (LPIRC) 2등

• 2019년 모바일 환경에 최적화된 경량 이미지 세그멘테이션 모델(MMNet) 아카이브 업로드

• 2019년 모바일에서 빠르게 동작하는 키워드 스팟팅 모델(TC-ResNet) INTERSPEECH 2019 게재

• 2019년 퓨샷 러닝을 통한 안면 재현 기술 AAAI 2020 게재

• 2020년 퓨샷 러닝을 통한 Text-to-Speech(TTS) 기술 INTERSPEECH 2020 게재

• 2020년 Long-tailed Visual Recognition 문제를 Label distribution shift 관점에서 해결하는 기술 CVPR 2021 게재

• 2021년 효율적인 Retriever기반 Chatbot을 위한 Large-Scale Generative 모델 활용 연구 EMNLP 2021 게재

• 2021년 Tabular Learning 기반 효율적인 Click-Through Rate Prediction 모델 ICLR 2021 Workshop 발표

• 2022년 모바일 환경에서 오디오 분류를 위한 distillation 기술 연구 ICASSP 게재

• 2022년 대화 생성 모델에서 예시를 활용하여 성능을 높이는 연구 ACL 2022 Workshop 발표

• 2022년 퓨샷 러닝을 통한 캐릭터를 따라하는 챗봇 연구 NAACL 2022 게재

• 2022년 레이블 노이즈가 심한 환경에서 효과적으로 학습하는 방법 ECCV 2022 게재

• 2022년 대화 생성에서의 의미적 다양성을 높이는 연구 EMNLP 2022 게재

• 2023년 모더레이션 환경에서 여러 분류 기준을 동시에 만족하기 위한 문턱값을 잡는 연구 WSDM 2023 게재


[Moderation ML Team]

• 아자르/아자르라이브/하쿠나 등 하이퍼커넥트 내부 프로덕트에 대해 수행하는 모더레이션을 효과적/효율적으로 하기 위한 ML 기술을 개발합니다. 개발한 기술을 다른 매치 브랜드에 제공하거나 외부에 팔 수 있도록 MPaaS 로 플랫폼화하는 일도 하고 있습니다.

• 훌륭한 동료들과 함께 실제 제품에 적용되는 ML 기술을 만들어낼 수 있습니다. 이렇게 만들어진 모델은 대량의 트래픽을 맞이하게 되며 이를 다루기 위한 전반적인 시스템 및 인프라스트럭쳐에 대한 경험을 하실 수 있습니다. 실제 서비스의 성장에 기여하는 과정에서 발견한 의미 있는 연구 결과를 대외적으로 공개합니다.

Responsibilities
[Moderation]
하이퍼커넥트의 서비스를 사용하는 사용자들의 만족스러운 경험을 위해 콘텐츠가 어떤 내용을 담고 있는지 이를 이해하는 다양한 기술 및 이러한 정보를 활용하는 연구 개발을 수행합니다. 영상이나 음성 및 자연어로 구성된 비정형 데이터를 입력으로 받아들여 의사결정을 내릴 수 있도록 유용한 정보를 추출하기 위해서 다음과 같은 문제를 함께 풀 수 있는 분들을 찾고 있습니다.
모바일 환경에서 빠른 속도를 낼 수 있는 경량 모델과 최적화에 대한 문제
효율적이고 label의 중요도를 조절할 수 있는 multi-task 혹은 multi-label 모델에 대한 문제
Partial multi-modal data를 활용하는 문제
스트림으로 유입되는 유저 행동 로그와 content understanding 결과에 기반한 실시간 이상 유저(ex. 스팸/가짜 계정)를 탐지하는 문제

[ML in Production]
실제 프로덕션에서 마주하는 문제들은 Kaggle과 달리 데이터셋이 정제되어 있지도 않고 매일 새로운 데이터가 시스템에 유입되는 경우가 대부분입니다. 어제보다 오늘 더 나아진 모델을 자동으로 만들어내기 위해 다음과 같은 문제를 함께 풀 수 있는 분들을 찾고 있습니다.
Highly imbalanced or noisy label data를 다루는 방법
Active learning을 통한 효율적인 데이터 라벨링 방법 혹은 모델 학습에 필요한 데이터를 줄일 수 있는 core-set selection 방법
기존에 deploy된 모델을 지속적으로 개선할 수 있는 continual/life-long learning 방법
모델 task 요구사항의 변화와 신규 서비스에 대응할 수 있는 meta-learning 방법


Requirements
기계학습과 딥러닝에 대한 전문 지식을 갖추고 관련 프로젝트 경험이 있으신 분
Tensorflow, PyTorch, JAX 등 오픈소스 프레임워크 기반 개발역량을 포함한 파이썬 개발역량이 충분하신 분
ML 모델을 학습하고 서비스에 배포하기까지 필요한 엔지니어링 역량을 갖추신 분
논문을 읽고 이를 빠르고 정확하게 구현할 수 있는 능력을 갖추신 분
학위나 국적은 무관합니다.


Preferred Qualifications/ Work Experiences
기계학습 관련 주요 학회 및 저널 개재 실적 혹은 AI 관련 대회 수상 실적이 있으신 분
모바일(Android, iOS) 혹은 백엔드 개발 경험이 있으신 분
기계학습 관련 오픈 소스 개발에 참여해 본 경험이 있으신 분
면접에서 기계 학습 관련 질문에 대해 방대한 지식을 자랑할 수 있으신 분


How We Work
정의되지 않은 과제를 정의하고 스스로 해결책을 찾아 해결할 수 있는 분
팀 단위 프로젝트를 성공적으로 리딩하며 팀간 협업을 이끌며 다른 기능의 직군 파트너와 협업을 하는 분
팀 안팎으로 커뮤니케이션하며 내 메시지를 청자에 맞추어 적절한 수준에서 명확하고 간결하게 제시할 수 있는 분
팀간의 협업을 돕고 결과를 만들어낼 수 있도록 지원할 수 있는 분


Hiring Process
고용 형태: 정규직
채용 절차: 서류전형 > 코딩테스트/사전과제 > Recruiter Call > 1차 면접 > 2차 면접 > 3차면접(해당 시) > 최종합격
근무 시간: 근무시간을 자율적으로 선택하는DIY(Do It Yourself) 근무제 (단, 병무청 복무규정에 따라 산업기능요원, 전문연구요원은 시차출근제 적용 – 오전 8시 ~ 11시 사이 출근)
지원 서류: 자유 양식의 상세 경력기반 국문 또는 영문이력서(PDF)


etc
하이퍼커넥트는 증명사진, 주민등록번호, 가족관계, 혼인여부 등 채용과 관계없는 개인정보를 요구하지 않습니다.
수습기간 중 급여 등 처우에 차등이 없습니다.
제출해 주신 내용 중 허위 사실이 있을 경우 채용이 취소될 수 있습니다.
필요 시 사전에 안내된 채용 절차 외에도 추가 면접 전형이 진행될 수 있습니다.
필요 시 지원자의 동의 하에 평판조회 절차가 진행될 수 있으며, 평판조회 결과에 따라 채용이 취소될 수 있습니다.


복리후생

하이퍼커넥트는 개인의 삶이 만족스러워야 회사에서도 만족감을 찾을 수 있다고 믿습니다.
진짜 중요한 일에만 집중할 수 있는 기업문화와 다양한 복리후생을 지속적으로 발전시키며 하이퍼커넥터의 건강과 삶, 그리고 행복한 회사생활을 위해 노력합니다.

Work

업무에 몰입할 수 있도록 아낌없이 지원합니다.
원격근무제
근무장소 자율 선택 (주1회 출근 권장, 팀별 자율 운영)
DIY근무제
근무/휴게 시간 자율 계획 (1개월 단위 소정근로시간 내) 불필요한 야근/주말근무 지양
최고의 오피스
이동이 편리한 위치 (2호선 삼성/9호선 봉은사역을 잇는 더블 역세권)아셈타워 내 쾌적한 근무공간
고성능 최신 장비
최고 수준의 업무용 장비 제공 최신 기술 활용에 적극 투자

Life

생활에 걸림돌이 될 수 있는 문제들을 해결하고자 노력합니다.
사내 카페(Hypresso) 운영
바리스타 상주, 수제 음료 및 베이커리 무료 이용
식사 및 간식 지원
아침(김밥 등 간편식), 점심(식대 1만 2천 원), 저녁(야근 시) 편의점급 스낵바 상시 운영
단체보험 가입 및 건강검진 지원
직원 단체보험 및 연 1회 건강검진 제공 (전액 회사 부담)
기숙사 지원
원거리 거주자 대상 기숙사 지원 (입주 요건 만족 시)
사내 대출 지원
생활 안정 위한 저금리 대출 지원 (근속기간 충족 시)
경조금/경조휴가 지급
경조휴가, 경조금 및 화환 지원
명절 선물 지급
30만 원 상당의 선물 제공 (옵션 제공, 선택 가능)

Growth

개인의 커리어 성장이 회사의 성장으로도 이어진다는 믿음으로 개인의 성장을 전폭적으로 지원합니다.
뛰어난 동료들과 협업
전 세계 22개국 이상에서 모인 글로벌 동료들과 협업하며 성장
글로벌 서비스 경험
가치를 인정받은 글로벌 서비스로 진정한 글로벌 노하우를 경험
외국어 교육 지원
사외 외국어 학습 비용 지원
직무 관련 교육 지원
글로벌 온라인 교육 플랫폼 Udemy 무료 이용, 직무 관련 최신 세미나/컨퍼런스 참가 비용 전액 지원, 직무 관련 사외교육 비용 지원
도서 지원
역사/인문/인물/자기계발/자연과학/경제경영/IT모바일 관련 도서 무제한 신청 가능

Refresh

충분한 휴식과 재충전을 지원합니다.
휴식 공간
1만 권 이상의 만화책, 게임기, 당구대, 멀티룸 등을 갖춘 편안한 휴식 공간 보유
헬스키퍼
전문 안마사의 마사지를 받을 수 있는 힐링존 운영
사내 커뮤니티 활동
각종 동호회 활동 지원 팀/직무와 관계없이 교류할 수 있는 그룹 런치 운영
장기근속 휴가
매 3년 근속 시 휴가(10일) 및 휴가비(200만 원) 제공
생일 축하
본인 생일 선물(상품권 20만 원) 및 생일 반차 제공가족 생일 반반차 제공(부모/배우자/자녀)

지원하러 가기

❤️ 오늘 핫한 채용공고

기업 사정으로 조기 마감되거나 내용이 변경될 수 있습니다

기업 사정으로 조기 마감되거나 내용이 변경될 수 있습니다