[AI Research Div.] ML Infrastructure Engineer (5년 이상)

우리 팀(프로젝트)을 소개합니다. 

 

[AI Research 본부 비전]
크래프톤 AI Research 본부는 자체 딥러닝 연구를 기반으로 AI 기술의 새로운 가능성을 탐구하고, 게임과 다양한 서비스에 적용 가능한 핵심 AI 기술을 개발합니다. 생성형 AI, 멀티모달 AI, 대규모 언어 모델(LLM) 등 최신 AI 기술을 연구하며, 이를 통해 게임 제작과 사용자 경험을 혁신하는 것을 목표로 합니다.

[Culture Fit]
AI Research 본부는 다양한 배경을 가진 구성원들이 함께 일하며, 수평적이고 활발한 커뮤니케이션 속에서 문제를 해결합니다.
직급과 연차를 넘어 자유롭게 의견을 제시할 수 있으며, 여러 직군과의 협업을 통해 연구와 플랫폼, 서비스의 접점을 함께 만들어갑니다.

팀 소개
KRAFTON MLSys & Ops 팀은 AI Research 본부 내 모델 개발을 위한 GPU 인프라를 설계·구축·운영합니다.
모델 학습 및 실험 환경, GPU 클러스터 운영, 인프라 자동화와 관측성 체계를 함께 다루며, AI 워크로드가 안정적이고 효율적으로 동작할 수 있도록 공통 플랫폼을 만들어갑니다.
이번 포지션은 이미 확보된 B300 125노드 기반 GPU Infrastructure를 함께 운영·고도화하면서, 이를 연구·개발 조직이 안정적이고 효율적으로 활용할 수 있는 GPU Platform으로 발전시키는 실무형 시니어 엔지니어 역할입니다.

 

우리 팀과 함께할 미션을 소개합니다.

 

• B300 125노드 기반 GPU Infrastructure의 운영 안정화, 성능 개선, 자원 효율화 및 운영 자동화에 직접 참여합니다.
• Kubernetes 기반 ML/GPU Platform의 스케줄링, 멀티테넌시, 워크로드 격리, Quota, 관측성, 장애 대응 체계를 설계·구축·운영합니다.
• 학습 및 추론 워크로드 특성을 바탕으로 GPU 활용률, 대기 시간, 처리량, 비용 효율을 개선하는 운영 전략을 수립하고 실제 플랫폼에 반영합니다.
• ML Platform과 재현 가능한 운영 체계를 지속적으로 고도화하고, 여러 연구·개발 조직의 요구사항을 공통 플랫폼 관점에서 조율합니다.

 

이런 경험을 가진 분과 함께 성장하고 싶습니다! (필수요건)

 

완벽하게 모든 경험을 갖춘 분보다는, AI/ML 인프라의 특정 영역을 깊이 있게 다루며 확실한 전문성과 문제 해결 경험을 쌓아온 분을 찾습니다.

• ML/GPU Platform 운영 체계 개선 경험
  • ML/GPU Platform의 스케줄링, 워크로드 격리, 관측성 및 장애 대응 체계를 직접 개선해본 경험이 있으신 분

• 시스템 전반 관점의 문제 해결 역량
  • 장애 및 성능 이슈를 시스템 전반의 관점에서 분석하고, 근본 원인 해결과 구조적 개선으로 연결해본 경험이 있으신 분

• 요구사항 정의 및 기술적 의사결정 역량
  • 연구·개발 조직과 협업하며 공통 ML/GPU 인프라의 요구사항을 정리하고, 기술적 대안과 실행 우선순위를 제안해본 경험이 있으신 분

• AI 도구를 활용한 업무 생산성 개선 경험
  • 생성형 AI, LLM 기반 도구, 코드 어시스턴트 등 AI 도구를 활용하여 운영 효율, 문제 해결, 문서화 및 자동화 생산성을 높여본 경험이 있으신 분

• 해외 출장에 결격 사유가 없는 분

 

이런 경험들이 있다면 저희가 찾는 그 분입니다! (우대요건)

 

필수는 아니지만, 아래 영역 중 하나라도 깊이 있게 파고들며 전문성과 성과를 쌓아온 경험이 있다면 팀에 큰 임팩트를 줄 수 있습니다.

• 차세대 GPU 아키텍처 구축·운영 및 최적화 경험
  • B200/B300, H100/H200, GB200/GB300 또는 동급의 차세대 GPU 아키텍처를 구축·운영하고, 성능 검증 및 최적화를 수행해본 경험이 있으신 분

• 고성능 GPU 네트워크 분석 및 최적화 경험
  • NCCL, RDMA, RoCE, InfiniBand 기반 환경에서 GPU 간 통신 성능과 병목을 분석하고 최적화해본 경험이 있으신 분

• 분산 스토리지 구축·운영 및 성능 최적화 경험
  • Ceph, MinIO 등의 분산 스토리지 환경을 구축·운영하거나, AI 학습 워크로드의 특성에 맞게 데이터 처리 성능을 최적화해본 경험이 있으신 분

• GPU 자원 활용 및 비용·성능 최적화 경험
  • GPU 활용률 분석을 바탕으로 리소스 할당, 스케줄링, 우선순위 및 비용·성능 최적화 전략을 실제 운영 환경에 적용해본 경험이 있으신 분

• GPU 리소스 관리 및 오케스트레이션 도구 활용 경험
  • NVIDIA GPU Operator, DCGM, MIG/MPS, Run:ai, Slurm, Kueue, Volcano 등 GPU 리소스의 관리·스케줄링·오케스트레이션을 위한 도구를 활용해본 경험이 있으신 분

• 분산 학습 성능 개선 경험
  • 분산 학습 환경에서 데이터 로딩, 통신 병목, 학습 스케줄링 등을 개선하여 Training Throughput과 GPU Utilization을 향상시켜본 경험이 있으신 분

 

---

크래프톤의 도전에 함께 하기 위해 아래의 전형 과정이 필요합니다.

• 서류 전형 > *과제 전형 > 인성검사 (Personality Assessment) > 직무면접 (Technical Fit Interview) > 종합면접 (2-3회) (Culture Fit Interview) > 합격 및 입사
• *해당 절차는 각 포지션 및 후보자에 따라 변동이 있을 수 있습니다.
• 상시 채용으로 채용 완료 시 조기 마감될 수 있습니다.
• 필요 시, 인터뷰 및 직무 테스트가 추가될 수 있습니다.
• 전형 일정 및 합격 또는 불합격 결과는 지원서에 등록하신 이메일 또는 유선으로 개별 안내 드립니다.

 

필요 서류를 확인해주세요!

• 입사지원서 (자유 양식), 자기소개서, 경력기술서, 포트폴리오(필수)
• 신입일 경우 자기소개서를, 경력일 경우 경력기술서를 중심으로 기술해 주시기 바랍니다.
• 포트폴리오 첨부 시, 하단 안내 사항을 확인해 주시기 바랍니다. 
  

 

근무지

• 역삼 센터필드  West 타워
  

 

고용형태 

• 정규직