AirSPACE

AirSPACE?

AirSPACE는 사용자 위치/취향에 기반한 개인화된 POI(Point-of-Interest, 장소) 추천 서비스를 개발하고, 추천을 위한 유저/지역/POI 데이터 분석 및 모델링을 개발합니다.

https://campaign.naver.com/smefullcare/tech/

AirSPACE 소개 Tech Blog : https://blog.naver.com/naver_search/221240314802

이런 서비스를 만듭니다

• Smart Around (그린닷 내주변)
• 네이버 지도(앱/웹) > 주변 추천
• 네이버 통합검색 > 플레이스 ForYou
• 네이버 My플레이스 > POI, 유저 추천
• Line Place > Menu/Review Search, Review&User Recommendation

• 주요 서비스 기사

  • 네이버 ‘스마트어라운드’, 골목상권 매출 성장 이끌었다
  • 네이버 지도에서 AI가 골목식당 추천하자 일평균 85만명이 사용
  • 네이버 스마트어라운드에 '주변 쇼핑' 정보 탑재
  • 네이버서 예약하면 AI가 목적 맞는 장소 추천해준다

이런 연구 개발을 하고 있습니다

• 주요 연구개발 분야

  • CF / MF / GNN / MAB 등 개인화 추천 알고리즘 연구 및 고도화

  • MLOps 기반의 ML 서비스 개발

  • 온/오프라인에서의 이용자 검색/리뷰/구매 등 행위 분석을 통한 User Modeling (Embedding)

  • 온/오프라인 장소별 이용자 로그를 통한 POI & Region Modeling (Embedding)

• 주요 연구개발 실적

  • Deview 2016, "딥러닝을 이용한 지역 컨텍스트 검색"
  • AI Colloquium 2018, "Location based Recommendation"

  • AI Colloquium 2019, "Smart Around : from embedding to POI recommendation"

  • Deview 2020, "당신 취향의 맛집을 추천해드립니다 : 장소 개인화 추천 시스템의 비밀 (Collaborative Filtering Meets the Item Embedding)"
  • AI Colloquium 2021, "Understanding POI: from Context to Embedding

이렇게 생활하고 있습니다

• 네이버 검색의 브레인 에어스페이스팀 김창회·전영환 개발자를 만나다
• 먹고, 마시고, 노는 거 좋아하는 개발자가 네이버에서 하는 일(a.k.a 덕업일치)

함께 하실 분을 찾습니다

• AirSPACE 팀 기술 스택

  • Data Engineering : Python, Scala, Spark, MapReduce, Hive, Jupyter Notebook, Zepplin

  • AI Modeling : Pytorch, Tensorflow

  • Model Serving : Elastic Search 등 Search Engine, FAISS, Flask

  • Workflow : k8s, docker, airflow, kubeflow

• ML Engineer 우대사항

  • 통계 기반 지식을 바탕으로 한 데이터 분석 또는 AI/ML 경험을 소유하신 분

  • CF, MF, 강화학습 등 추천 모델링 경험 또는 지식을 보유하신 분

  • CNN, GANs, RNN/LSTM, GNN 등 딥러닝 관련 경험과 지식을 보유하신 분

  • POI, 사용자 위치 데이터를 활용한 데이터 처리 또는 모델링 경험이 있으신 분

• Back-end Engineer 우대사항

  • Spark, MapReduce 등 대규모 데이터 분산처리 경험이 있으신 분

  • k8s, docker 등 클러스터 및 컨테이너 개발 환경에 대한 지식이 있으신 분

  • 머신러닝/딥러닝 모델을 서빙하거나 AI 모델에 대한 지식이 있으신 분

• 모든 것을 뛰어넘을 단 하나의 필수 요구역량

  • 맛집과 같은 개인화 장소 추천 서비스를 내 손으로 만들어보고 싶은 의지가 활활 타오르시는 분은 누구든 환영합니다.