-접수기간: 26.04.28(화)~26.05.10(일) 23:00까지

-접수방법: https://careers.lg.com/apply/detail?id=1001327 (사이트를 통한 온라인 지원)

01.모집직무

■GPU Software Engineer

-전공: 컴퓨터, 전자, 전기 전공

-근무지: 서울특별시 강서구

-모집인원: 0명

-필수사항: 학사(4년제) 이상/ 컴퓨터, 전자, 전기 전공/ 학사일 경우 관련 직무 경력 2년 이상

-우대사항: 석사 이상(경력 무관)

02.모집직무 상세내용

GPU기술TF는 LG유플러스 AI/ML 서비스에 필요한 최적의 연산 환경을 제공합니다.
우리는 GPU 기반 인í ��라를 설계·구축·운영하고, 이를 효율적으로 활용할 수 있는 소프트웨어 플랫폼을 개발합니다.

자원 최적화 및 안정적 운영을 통해 서비스 품질을 향상시키고, GPU 기술 내재화를 추진합니다.

■ 우리팀에서 하고 있는 일(주요 R&R)
- 인프라 혁신: GPU 기반 AI/ML 학습 및 서비스 환경을 위한 인프라 설계·운영
- 플랫폼 개발: GPU 관리 플랫폼 및 자원 스케줄링 효율화 기술 개발 (가상화, 공유 기술 연구)
- 성능 최적화 및 온보딩: AI/ML 워크로드의 GPU 온보딩 개발 (Model Serving) 및 성능 최적화

■ 포지션 소개
GPU를 ‘연결’하는 역할이 아니라, GPU가 ‘일하게 만드는 역할'입니다. 

GPU를 쓰는 사람은 많습니다.
하지만 GPU가 어떻게 쓰일지를 직접 정의해본 사람은 많지 않습니다.
GPU Software Engineer는 LG유플러스의 AI/ML 서비스 뒤에서 돌아가는
대규모 GPU 자원을 “제대로 쓰게 만드는” 시스템 소프트웨어를 만드는 역할입니다.
우리는 단순히 GPU를 붙여서 돌리지 않습니다.
왜 이 GPU는 놀고 있는지, 왜 이 워크로드는 느린지, 어디서 성능이 새고 있는지
그 이유를 끝까지 파고들어 코드로 해결합니다.

이 포지션에서 다루게 될 것은 다음과 같은 질문들입니다.
    • GPU는 충분한데 왜 성능은 안 나올까?
    • GPU를 나눠 쓰는 순간, 어디서부터 병목이 생길까?
    • 가상화 환경에서 “이 정도면 충분하다”는 기준은 정말 맞을까?

정답은 문서에도, 블로그에도 없습니다.
직접 실험하고, 부딪히고, 코드를 바꿔가며 만들어야 하는 문제들입니다.

GPU기술 TF는 AI 연구가 아니라 실제 서비스 환경에서

십~수백 대 규모의 GPU 자원을 다루고

GPU 가상화·공유·자원 관리 소프트웨어를 직접 만들며

그 결과가 바로 서비스 품질과 비용 효율로 드러나는 일을 합니다.

지금 모든 걸 알 필요는 없습니다.

​

하지만 만약 
    • GPU 아키텍처나 시스템 동작을 보면 괜히 궁금해지고
    • “이건 인프라 문제야”라는 말로 넘어가기 싫고
    • 성능 이슈를 보면 끝내 원인을 찾아야 직성이 풀린다면

여기서의 경험은 단순한 한 회사의 업무가 아니라,
GPU + 시스템 소프트웨어라는 희소한 커리어 트랙을 열어줍니다.

■ 수행업무
- GPU 자원 관리 및 성능 최적화
- GPU 가상화 기술 개발 및 최적화
- AI/ML 워크로드 GPU 온보딩 및 성능 최적화

■ 필수 경험
- 학사 이상 전공자 (컴퓨터공학, 시스템/네트워크/OS 연구 분야 석사 학위자 우대)

- GPU 또는 시스템 소프트웨어에 대한 실질적 경험

- 시스템 소프트웨어 개발 역량

- Linux 기반 환경에서의 문제 분석 및 트러블슈팅 경험

■ 필수 역량
- GPU 및 인프라 기초 지식
  1) GPU 연산 구조, 메모리 계층, 병렬 처리 방식에 대한 기본 이해
  2) InfiniBand/RDMA 고속 네트워크 아키텍처에 대한 기본적인 이해

- 가상화 기술에 대한 이해
  1) PCI Passthrough, KVM, IOMMU 등 가상 환경에서 하드웨어 자원을 직접 제어하기 위한 기술적 기초.
  2) VM과 Docker/Container 의 기술적인 차이점에 대한 이해

- 딥러닝 모델과 GPU 컴퓨팅 관계에 대한 이해

- 문서화 및 기술 정리 능력
  1) 복잡한 GPU/시스템 동작을 다른 엔지니어가 이해할 수 있게 정리하는 능력

■ 우대 사항
-  컴퓨터공학, 시스템/네트워크/OS 연구 분야 석사 학위자 우대

- Kubernetes / Container 환경 경험자
  1) Kubernetes 클러스터 사용 또는 운영 경험
  2) GPU Device Plugin, Scheduler, Operator 구조 이해

- 대규모 GPU 클러스터 최적화 경험자
  1) 다수의 GPU 클러스터 운영과 성능 이슈 분석 및 최적화 경험
  2) InfiniBand / RDMA / RoCE 네트워크 성능 튜닝 이력

- 고급 가상화 실무
  1) KubeVirt 운영 경험 및 SR-IOV, GPU 가상화(vGPU/MIG) 기술의 실제 적용 및 트러블슈팅 경험.

- 오픈소스 및 연구 역량
  1) OS, 가상화, 분산 시스템, HPC 관련 오픈소스 기여
  2) 관련 프로젝트, 논문, 기술 블로그 운영 경험

- AI 모델 학습 및 서빙 경험
  1) Triton Inference Server 등을 활용한 모델 서빙 및 분산 학습(DeepSpeed 등) 최적화 경험

03.지원자격 및 절차

■ 지원자격

- 지원자격은 모집직무 상세내용 참고

- 해외여행 및 건강상 결격사유가 없는 자

- 남성의 경우 병역필 또는 면제자

■ 전형 절차

서류전형-인성검사/코딩테스트-1차면접-2차면접-평판조회/처우협의-건강검진-입사

04.기타사항

- 석/박사 신입 지원자의 경우, 별도의 채용 프로세스로 진행될 수 있습니다. 해당 전형에 대한 상세 내용은 서류전형 합격자에 한해 개별 안내드릴 예정입니다.

- 국가보훈대상자 및 장애우는 관계법령에 의거 우대합니다. (면접 시 증빙제출)

- 입사지원서는 모든 사항을 정확히 입력해야 하며, 추후 입력사항이 허위로 판명될 경우 입사(합격)가 취소됩니다.