| ​ ​직무 ​소개

미리디의 수백만 ​개 디자인 템플릿과 고객 ​제작 ​디자인을 체계적으로 ​조직하고 이해할 수 ​있는 분류 ​시스템(Taxonomy)을 ​설계하는 핵심 ​역할을 ​담당하게 ​됩니다.

정보 구조 설계 ​전문성과 ​머신러닝 기술을 결합하여, ​디자인 ​데이터의 ​체계 및 구조를 ​설계하고, 이를 ​자동화하는 ​분류 모델을 ​개발합니다. 이를 ​통해 ​고객이 원하는 디자인을 ​정확하게 발견하고 ​최적의 템플릿을 추천 받을 수 있도록 지원합니다.

분류 체계를 시스템화하여 관리할 수 있는 내부 MDI(MIRIDIH Design Intelligence) 시스템을 구성하는데 주요한 역할을 수행하게 되며, 이를 활용하여 미리디의 기존 그리고 신규 서비스에 디자인 데이터가 효율적으로 활용되어 고객 가치를 높이는데 많은 기여를 할 수 있도록 지원합니다.

| 기대 모습

[1개월 뒤]

• 미리디의 모든 서비스에서 활용되는 디자인 데이터 구조를 파악하고, 현재 분류 체계와 관련 메타데이터를 명확히 이해합니다.
• 기존 분류 레이블과 메타데이터 스키마를 분석하고, 개선이 필요한 영역을 식별합니다.
• 데이터 레이크와 분석 환경에 대한 이해를 바탕으로, 다양한 데이터 분석 요청에 빠르고 유연하게 대응할 수 있습니다.
• 속한 스쿼드의 목표를 잘 이해하고, 맡은 프로젝트에서 자신의 역할을 책임감 있게 수행합니다.

[3개월 뒤]

• 디자인 데이터를 정량화 하기 위한 다양한 속성(스타일, 용도, 산업군, 무드, 색상 팔레트, 복잡도, 레이아웃 등)을 정의하고, 각 속성별 분류 기준과 레이블 체계를 명확히 문서화합니다.
• 본인이 설계한 분류체계 기반으로 디자인 데이터를 직접 분석하고 첫 번째 자동 분류 모델을 개발합니다.
• 어노테이터를 위한 레이블링 가이드라인을 작성하고, 일관성 있는 분류 데이터 생성을 위한 품질 관리 프로세스를 운영합니다.
• 비즈니스 및 서비스 운영을 위한 새로운 의미 있는 분류 기준을 만들고, 그 기준과 특성에 맞춘 구체적인 분류 방법을 제안합니다.
• 스쿼드 목표를 달성하기 위해 필요한 업무를 스스로 도출하고, 주도적으로 실행합니다.

[그 이후]

• 미리디의 여러 조직이 활용할 수 있는 표준 디자인 분류 체계를 직접 구성하고, 10만 개 이상의 템플릿 재분류를 완료하여 서비스 고도화에 기여합니다.
• 분류 체계의 지속적인 개선을 위한 버전 관리 프로세스를 구축하고, 검색 정확도 향상 등 비즈니스 임팩트를 측정합니다.
• 다양한 팀의 요구를 수집하고, 그 요구를 바탕으로 디자인 데이터를 정확하고 깊이 있게 분석합니다.
• 디자인, 템플릿, 요소 대상의 검색과 추천 기능 등 고객 가치를 높이는 핵심 기능에 직접 참여합니다.

| 주요 업무

"미리디에서 이런 일들을 함께 하고 싶어요"

• 미리디 디자인 데이터에 대한 다차원 분류체계(Faceted Taxonomy) 설계: 스타일, 용도, 산업군, 무드, 색상 등 다양한 축을 정의하고, 레이블 간 위계 구조(Ontology)와 관계를 수립합니다.
• 메타데이터 스키마 및 통제 어휘(Controlled Vocabulary) 구축: 각 디자인 자산의 표준 메타데이터 필드를 정의하고, 확장 가능한 데이터 모델을 설계합니다.
• 레이블링 가이드라인 개발 및 품질 관리: 어노테이터를 위한 명확한 분류 기준을 문서화하고, Inter-annotator agreement 측정을 통해 분류 품질을 관리합니다.
• 멀티모달 분류 모델 개발: 이미지와 텍스트를 결합한 임베딩, 클러스터링, 분류 모델 등 머신러닝 및 LLM을 활용하여 자동 분류 시스템을 구축합니다
• MDI 시스템 개발 및 인사이트 제공: 디자인 템플릿 제작 기획, 마케팅 전략, 추천 서비스 등에서 분류 데이터를 활용할 수 있도록 분석과 인사이트를 제공합니다.
• 데이터 기반 문제 해결: 가설 수립 및 검증을 통해 새로운 가치를 창출하고, 창의적인 솔루션을 도출합니다.

| 자격요건

"이런 분이라면 목표 달성에 확신을 얻을 것 같아요"

• 멀티모달 데이터 분석 경험: 이미지, 텍스트를 포함한 멀티모달 데이터에 대한 전처리, 특성 추출, 데이터 분석 경험을 2년 이상 보유하신 분
• 이미지 분류 모델 개발 및 평가: 이미지 분류, 객체 인식, 임베딩 모델 등을 개발하고, 정확도 및 재현율 등 모델 성능을 정량적으로 평가한 실무 경험을 보유하신 분
• 머신러닝 기술 스택: Python 기반의 데이터 처리 및 머신러닝 라이브러리 활용 역량과 SQL을 통한 데이터 조회 및 추출 역량을 보유하신 분
• LLM 활용 경험: GPT, Claude, Gemini 등 대규모 언어모델을 활용한 데이터 분석, 자동 태깅, 분류 자동화 등의 프로젝트 경험을 보유하신 분
• 분류 체계에 대한 기본 이해: 데이터를 체계적으로 분류하고 레이블을 정의하는 것의 중요성을 이해하며, 이를 실무에 적용할 의지가 있는 분
• 협업 및 소통 역량: 프로덕트 매니저, 엔지니어, 디자이너 등 다양한 팀과 효과적으로 협업하며, 기술적 제약과 비즈니스 요구를 조율할 수 있는 능력을 보유하신 분

| 우대 사항

"이런 분이라면 장기적으로 서로에게 더 긍정적일 것 같아요!"

• 문헌정보학, 정보학(Information Science) 또는 데이터 마이닝 관련 전공 석사 이상 학위를 보유하신 분
• 분류 체계 설계 실무 경험: 분류학(Taxonomy), 온톨로지(Ontology), 정보 구조 설계 실무 경험 또는 수천 개 이상 아이템의 체계적 분류 프로젝트를 리드한 경험이 있으신 분
• 메타데이터 설계 경험: 대규모 콘텐츠에 대한 메타데이터 스키마 설계 및 통제 어휘(Controlled Vocabulary) 구축 경험이 있으신 분
• 디자인 원칙, 색채학, 타이포그래피, 레이아웃 이론 등 디자인 이론에 대한 연구 또는 심화 실무 경험이 있으신 분
• 콘텐츠 관리 시스템(CMS), 검색 엔진(Elasticsearch 등), 추천 시스템에 대한 이해 및 실무 경험이 있으신 분
• 연구 논문 및 기술 문서를 이해하고 실무에 적용할 수 있는 영어 독해 능력이 있으신 분

| 기타 사항

• [서류 전형] - [1차 인터뷰] - [2차 인터뷰] - [처우 협의] - [입사] 의 프로세스로 진행됩니다.
• 서류는 원활한 검토를 위해 PDF 형식으로 제출 부탁 드립니다.
• 1차 인터뷰 안내
• 데이터 사이언티스트의 기본 역량을 확인할 수 있는 간단한 라이브 코딩 테스트가 진행됩니다. (약 1시간 내외)
• 2차 인터뷰의 경우, 직무/직급에 따라 생략될 수 있습니다.
• 직급에 따라 인터뷰 후 레퍼런스 체크 전형이 추가될 수 있습니다.
• 입사 후 3개월의 수습 기간 및 수습 평가가 진행됩니다. (급여 100%)
• 서류 전형 결과 안내까지는 최대 2주, 인터뷰 결과 안내까지는 최대 3주가 소요됩니다.
• 여러 포지션에 동시에 지원해주시는 것은 가능하지만 동일한 포지션의 경우 최종 결과 안내를 받은 시점으로부터 6개월 후에 재지원이 가능합니다.