“ㅇㅇ님이 좋아할 만한 시리즈”“ㅇㅇ님이 좋아할 만한 영화”
티빙에 접속하게 되면 사용자의 취향을 저격하는 콘텐츠들로 나열된 ‘띠’들을 확인할 수 있는데요.
티빙에서는 모든 프로필마다 판이 다르게 구성되도록 사용자 취향에 더 가깝고 흥미로운 콘텐츠들을 추천해 주는 초개인화 추천 시스템을 구축하고 있습니다.
이러한 초개인화 추천 시스템을 위해 AB 테스트 환경을 구축하고 그 결괏값을 통해 개선 포인트를 확인해 나가는 등 우리 눈에 보이는 콘텐츠 이면의 기술력이 필요한데요.
특히 티빙에서는 이러한 기술력을 통해 추천 시스템을 구축하는 과정에서 서로 돕고 함께 성장하는 문화가 돋보이고 있습니다.
이번에는 추천 시스템 구축과 관련된 API 개발 및 운영 업무를 담당하는 Data Platform 신보라님을 만나 티빙의 문화와 업무 방식, ML 엔지니어의 자질 등을 물어봤습니다.
자기소개와 현재 담당하는 업무에 대해 소개 부탁드립니다.
안녕하세요, Data Platform 팀에서 ML 엔지니어로 근무하고 있는 신보라입니다. 저는 주로 추천 서비스와 관련된 API 개발 및 운영, 그리고 MLOps를 위한 작업을 담당하고 있습니다. MLOps를 통해 머신러닝 모델의 개발부터 배포, 모니터링에 이르는 전 과정을 자동화하여 운영의 효율성을 높이고 있습니다.
티빙에 입사하시기 전에는 어떤 커리어를 가지고 계실까요?
음성 신호처리를 전공하여, KT 연구소에서 음성 인식 기술 개발로 커리어를 시작했습니다. 음성 도메인에 국한되기보다 다양한 도메인의 데이터를 다뤄보기 위해 이직을 결심했습니다.
이후, 스타트업을 거치며 이미지 및 정형 데이터를 활용한 AI모델 기술 개발 직무를 주로 진행했습니다. 직전 회사였던 화해에서는 리뷰 데이터를 활용한 어뷰징 유저 탐지 모델을 담당했었는데, 모델의 성능 개선을 위해서는 반복적인 실험과 주기적인 배포가 잇따르게 되다 보니, 자연스레 ML 파이프라인에 대한 필요성을 인지하고 해당 업무 경험을 하게 되었습니다.
티빙에는 어떻게 합류하게 되셨나요?
ML 파이프라인에 대한 업무 경험이 MLOps에 대한 관심으로 이어졌고, 해당 직무로 전환하고 싶은 생각이 들었습니다.
해당 업무를 진행하게 된다면 ‘모델 개발을 담당하는 분들과 맞닿아 있는 업무 환경이 중요하겠다’ 라고 생각했고, 티빙에서는 같은 파트 내에서 사이언티스트 분들과 직접적이고 주기적인 소통을 통해 서비스를 ML 엔지니어가 배포 및 운영을 할 수 있는 점이 큰 장점이라고 생각하여 티빙에 합류하게 되었습니다.
소속팀의 주요업무는 무엇인가요?
저희 Data Platform 팀은 티빙에서 사용되는 모든 데이터의 수집, 처리, 분석 업무를 담당하며, 이를 기반으로 한 추천 및 검색 서비스를 개발하고 운영하는 것이 주요 업무입니다. 구체적으로, 데이터 엔지니어링을 통해 데이터의 품질과 접근성을 보장하고, 데이터 사이언티스트와 협력하여 사용자 행동 데이터를 분석하고 이해합니다.
이를 통해 사용자에게 개인화된 콘텐츠를 추천하고, 검색 결과의 정확성과 관련성을 높여 전반적인 사용자 만족도를 향상시키는 것을 목표로 하고 있습니다. 또한, 저희 팀은 MLOps를 적극적으로 도입하여 머신러닝 모델의 개발과 운영 과정을 자동화하고 최적화하고 있어, 빠르게 변화하는 시장과 사용자 요구에 신속하게 대응하고 있습니다.
소속팀의 업무방식과 분위기는 어떤가요?
현재 Data Platform 팀 내에서는 스프린트 단위로 업무를 진행하고 있어요. 정해진 시간에 맡는 업무 범위를 설정하고, 해당 범위의 끝에는 꼭 산출물이 나올 수 있도록 업무를 정의합니다. 이러한 스프린트 단위 업무 방식으로 빠른 실행력을 보장할 수 있고, 긴 호흡의 업무 또한 각 단계들을 잘 준비하고 빠른 실행 및 피드백으로 업무를 진행할 수 있는 분위기입니다!
