We are looking for the best

AD Division의 ML Performance Optimization Engineer는 Autonomous Driving AI 모델이 차량 환경에서 안정적이고 효율적으로 동작할 수 있도록 모델 최적화 및 시스템 성능 개선 업무를 수행합니다. Autonomous Driving 에 사용 되는 다양한 모델에 대해 GPU/NPU 기반 최적화를 수행하며, 차량 환경에서의 모델 배포 및 성능 향상을 위한 핵심 역할을 담당합니다. 또한 AI Model 및 Software 팀과 긴밀히 협업하여 모델 성능 검증, 시스템 프로파일링, 성능 분석 자동화를 수행하며 Autonomous Driving 시스템의 안정성과 효율 향상에 기여합니다.

The ML Performance Optimization Engineer in the AD Division is responsible for optimizing AI models and improving system performance to ensure autonomous driving models operate efficiently and reliably in vehicle environments. This role focuses on GPU/NPU-based optimization for various autonomous driving models. You will play a key role in enabling seamless deployment and performance improvements on vehicle platforms. The role also involves close collaboration with AI model and software teams to conduct model validation, system profiling, and performance analysis automation for autonomous driving systems.

Responsibilities

• GPU/NPU 기반 딥러닝 모델 최적화 수행

• 딥러닝 모델의 성능 검증 및 시스템 프로파일링 수행

• CPU, GPU, Neural Network Accelerator 성능 분석 및 최적화

• 시스템 성능 분석 툴 및 성능 평가 지표 개발 자동화

• 차량 환경에서의 AI 모델 동작 최적화 및 배포 지원

• Optimize deep learning models using GPU/NPU acceleration

• Validate deep learning model performance and conduct system profiling

• Analyze and optimize CPU, GPU, and neural network accelerator performance

• Develop and automate system performance analysis tools and evaluation metrics

• Support deployment and runtime optimization of AI models in vehicle environments

Qualifications

• 인공지능, 머신러닝/딥러닝 관련 분야 석사 학위 이상 또는 이에 준하는 경력 보유자

• 머신러닝 및 딥러닝에 대한 이해

• CPU, GPU, NPU 기반 Low-level 성능 최적화 경험

• C/C++, Python, Shell Script 기반 개발 경험

• Linux, QNX, RTOS 환경에서의 개발 경험

• 시스템 성능 분석 및 Profiling 경험

• Master’s degree or higher in Artificial Intelligence, Machine Learning, Deep Learning, or related fields, or equivalent practical experience

• Strong understanding of machine learning and deep learning systems

• Experience with low-level performance optimization for CPU, GPU, and NPU environments

• Proficiency in C/C++, Python, and shell scripting

• Development experience in Linux, QNX, or RTOS environments

• Experience with system profiling and performance analysis

Preferred Qualifications

• 머신러닝 Workload 최적화 경험

• 딥러닝 기반 선형대수 연산 최적화 및 분석 경험

• Image Processing, Computer Vision, Robotics Algorithm 최적화 경험

• CUDA, MKL, SIMD, NEON 기반 최적화 경험

• NVIDIA 기반 차량 플랫폼 환경에서의 개발 또는 최적화 경험

• Autonomous Driving 관련 AI 모델 최적화 경험

• Experience optimizing machine learning workloads

• Experience optimizing and analyzing linear algebra routines for deep learning systems

• Experience optimizing image processing, computer vision, or robotics algorithms

• Experience with CUDA, MKL, SIMD, or NEON optimization techniques

• Experience developing or optimizing systems on NVIDIA-based vehicle platforms

• Experience optimizing AI models for autonomous driving applications

Interview Process

• 서류전형 - 화상면접 (1시간 내외) - 대면 혹은 화상면접 (3시간 내외) - 최종합격

• 전형절차는 직무별로 다르게 운영될 수 있으며, 일정 및 상황에 따라 변동될 수 있습니다.

• 전형일정 및 결과는 지원서에 등록하신 이메일로 개별 안내드립니다.

Additional Information

• 이력서 제출 시 주민등록번호, 가족관계, 혼인 여부, 연봉, 사진, 신체조건, 출신 지역 등 채용절차법상 요구 금지된 정보는 제외 부탁드립니다.

• 모든 제출 파일은 30MB 이하의 PDF 양식으로 업로드를 부탁드립니다. (이력서 업로드 중 문제가 발생한다면 지원하시고자 하는 포지션의 URL과 함께 이력서를 recruit@42dot.ai으로 전송 부탁드립니다.)

• 인터뷰 프로세스 종료 후 지원자의 동의하에 평판조회가 진행될 수 있습니다.

• 국가보훈대상자 및 취업보호 대상자는 관계법령에 따라 우대합니다.

• 장애인 고용 촉진 및 직업재활법에 따라 장애인 등록증 소지자를 우대합니다.

• 42dot은 의뢰하지 않은 서치펌의 이력서를 받지 않으며, 요청하지 않은 이력서에 대해 수수료를 지불하지 않습니다.

• 3개월의 수습기간이 적용될 수 있습니다.

※ 지원 전 아래 내용을 꼭 확인해 주세요.

• 42dot이 일하는 방식, 42dot Way 보러가기 →

• 42dot만의 업무몰입 프로그램, Employee Engagement Program 보러가기 →