업무내용 <조직 소개=""> NC의 새로운 Business (금융, 야구, 미디어 등)와 게임에서 AI 기술을 통해 차별화된 기능을 제공하여 서비스 혁신을 추구하는 조직입니다. 수많은 Contents를 사용자에게 효과적으로 선별하여 Delivery할 수 있는 추천/Push Targeting을 위한 기술과 데이터 기반으로 사용자를 심도 있게 이해할 수 있는 User Profiling 기술을 연구합니다. 또한, 설명 가능한 Anomaly Detection과 Causal Discovery 연구를 통해 데이터에 숨겨진 정보를 탐지하는 연구와 실제 금융, 야구, 미디어 분야에서 발생하는 데이터로 Sequence 및 Time Series 기반 모델링 기술을 연구합니다. 이와 같이 연구/개발한 AI 기술 결과를 Target 서비스에 안정적으로 제공할 뿐 아니라, ML Ops 시스템을 구축하고, Hyperparameter Optimization, Continual Learning 등과 같은 R&D Platform 기술을 개발합니다. <상세연구분야> <주요업무내용> 1) 추천/Push Targeting AI 기술 연구/개발 - 최신 추천 시스템 연구 동향 파악과 서비스화 가능성 실험 - 추천이 적용된 (혹은 예정인) 서비스 사용자 Behavior 분석을 통해 실제 서비스에 적합한 추천/Push Targeting 알고리즘 설계 및 고도화 - 실제 서비스 적용을 위한 추천 알고리즘 개발 및 코드 튜닝 - 추천 성능 평가 및 지표 개발 - 관련연구분야 : Session-based/ Knowledge based/ Contents based/ Recommendation, Data represenation, Biasing Issue in Recommendation, Volume Control, Cold Start Problem, Diversity 2) User Profiling 기술 연구/개발 - 금융, 야구, 미디어, 게임 등 다양한 실제 서비스 데이터를 분석하고, 추론과 모델링을 통해 차별화된 User 정보 생성 및 기술 개발 - 사용자 Segmentation, Life Cycle 정의, Growth Model 분석 등 사용자 Behavior 특성 분석 기술 개발 - 실제 서비스 적용을 위한 User Profiling 기술 개발 및 코드 튜닝 - 관련연구분야 : Customer Segmentation, Un-supervised/ Semi-supervised Learning, Churn Prediction, Graph Embedding, Personalization, User Study, Explainable AI 3) Anomaly Detection 기술 연구/개발 - 시계열, 그래프 등 다양한 형태의 데이터에서 이상(Anomaly)을 정의하고, 모델을 통한 Anomaly Detection 기술 개발 - 이상 탐지 이유를 설명할 수 있는 Anomaly Detection 기술 개발 - 최신 Anomaly Detection 알고리즘 구현 및 개선 - 관련연구분야 : Anomaly Detection, Explainable AI, Graph Neural Network, Causal Discovery 4) Sequence Modeling 기술 연구/개발 - Sequence Data (Time Series 포함)를 이용해 사용자에게 직관적이고 유용한 정보를 제공하는 기술 개발 - Sequence Data (Time Series 포함)를 이용한 예측 모델 생성 - 실제 서비스 적용을 위한 기계학습 및 AI 기술 개발 및 코드 튜닝 - 관련연구분야 : Causal Discovery, Causal Inference, Sequence Analysis/Modeling, Time Series Analysis/Modeling