[지원 요건]

• 생성형 AI 분야에 대한 높은 과학적 이해도. 즉, AI 분야에 대한 폭넓은 지식과 애플리케이션을 위한 언어 모델 미세 조정 및 사용에 대한 구체적인 지식 또는 관심이 있어야 합니다.
• 높은 기술 엔지니어링 역량. 이는 복잡한 소프트웨어를 설계하고 프로덕션에서 사용할 수 있도록 만드는 능력을 의미합니다. 아키텍처 개발과 모델 평가 및 사용에 중점을 두고 전체 MLOps 기술 스택을 탐색할 수 있습니다. 때때로 프론트엔드 개발을 수행할 수 있으며, 복잡한 HPC 인프라를 완전한 자율성을 가지고 사용해야 합니다.

• Fine-Tuning(미세 조정) - 기존에 학습된 언어 모델을 특정 도메인이나 작업에 맞게 조정하는 과정입니다. 이는 미리 학습된 모델을 새로운 데이터나 작업에 적용하기 위해 모델의 가중치를 조정하는 것을 의미합니다. Fine-Tuning을 통해 모델은 특정 도메인의 특징이나 요구사항에 더욱 적합하게 만들어질 수 있습니다. 이는 다양한 분야에서 활용되며, 예를 들어 자연어 처리, 음성 인식, 이미지 분류 등 다양한 기계 학습 작업에 적용될 수 있습니다.
• MLOps - MLOps는 Machine Learning Operations의 약자로, 기계 학습 프로젝트를 효율적으로 관리하고 운영하기 위한 방법론과 프로세스를 의미합니다. MLOps는 모델 개발, 훈련, 배포, 모니터링 및 유지 보수에 이르는 전체 기계 학습 생명주기를 관리하는 데 중점을 둡니다. 이를 통해 기계 학습 모델의 개발과 운영을 효율적으로 관리하고 업무 협업을 강화할 수 있습니다. MLOps는 모델의 안정성과 성능을 보장하며, 개발자와 운영팀 간의 원활한 소통과 협업을 가능하게 합니다.
• HPC 인프라 - HPC 인프라는 High-Performance Computing Infrastructure의 약자로, 고성능 컴퓨팅 인프라를 의미합니다. HPC는 대용량 데이터 처리와 고성능 연산이 필요한 작업을 수행하는 데 사용되는 컴퓨팅 기술입니다. HPC 인프라는 대규모 데이터 처리, 복잡한 모델 학습, 시뮬레이션 및 분석 등에 사용될 수 있으며, 고성능 컴퓨터 클러스터, 스토리지 시스템, 네트워크 인프라 등으로 구성될 수 있습니다. HPC 인프라는 고성능 컴퓨팅 작업을 효율적으로 수행하기 위해 최적화되어 있으며, 다양한 분야에서 사용되는 핵심 기술 중 하나입니다.