Krafton

[AI Research Div.] Deep Learning Engineer - ML (1~3년 / 인턴)

Show

우리는 게이머의 로망을 실현하기 위해, 누구도 가지 않는 길을 갑니다.
예상을 뛰어넘는 과감한 상상력과 기술로, 전 세계 팬들이 잊지 못할 세상을 만들기 위해 담대하게 도전하고 개척합니다.

We pioneer the path to players' dreams.
With bold imagination and breakthrough technology, we create unforgettable worlds for fans across the globe.

AI Research 본부에 대한 더 많은 내용은 크래프톤 AI Research 본부 홈페이지 (아래 이미지 클릭) 및 크래프톤 AI Research 본부 소개 영상을 통해 확인하실 수 있습니다.
(바로가기 : KRAFTON AI)

우리 팀(프로젝트)을 소개합니다.

  • 크래프톤 AI Research 본부는 게임 제작과 플레이 경험을 혁신할 수 있는 AI 기술을 연구·개발하고 있습니다. 사내 다양한 조직과 협업하며 실제 게임 서비스와 사업 현장에서 발생하는 문제를 AI/ML 기반으로 해결하고, 동시에 크래프톤만의 Foundation Model과 AI 서비스를 구축하는 것을 목표로 하고 있습니다.
  • 저희 팀은 게임 데이터, 영상 데이터, 유저 행동 로그, eSports 경기 데이터 등 크래프톤이 보유한 다양한 데이터를 활용하여 실제 서비스에 적용 가능한 AI 모델과 분석 솔루션을 개발하고 있습니다. 현재는 Video Anti-Cheat, PUBG MMR Renewal, PUBG eSports 실시간 승리확률 예측 모델, PUBG 로그 기반 Anti-Cheat, BGMI 마케팅 개선 프로젝트 등을 진행하고 있으며, 앞으로 한화와의 추가 협업 프로젝트도 추진할 예정입니다.
  • Video Anti-Cheat 및 PUBG 로그 기반 Anti-Cheat 프로젝트에서는 게임 플레이 영상과 로그 데이터를 기반으로 비정상 플레이 패턴과 부정행위 의심 행동을 탐지하는 AI/ML 모델을 개발하고 있습니다. 이를 통해 게임의 공정성을 높이고, 더 신뢰할 수 있는 플레이 환경을 제공하는 데 기여하고자 합니다.
  • PUBG MMR Renewal 프로젝트에서는 유저의 실력과 플레이 패턴을 보다 정교하게 반영할 수 있는 매치메이킹 지표와 모델을 연구하고 있습니다. 게임 내 다양한 행동 데이터와 결과 데이터를 분석하여 유저 경험을 개선하고, 보다 공정하고 만족도 높은 매치메이킹 환경을 만드는 것을 목표로 합니다.
  • PUBG eSports 실시간 승리확률 예측 모델 프로젝트에서는 경기 중 발생하는 실시간 이벤트와 팀·선수 데이터를 활용하여 승리확률을 예측하는 모델을 개발하고 있습니다. 이를 통해 eSports 중계, 경기 분석, 팬 경험 개선 등 다양한 영역에서 활용 가능한 AI 기반 인사이트를 제공하고자 합니다.
  • BGMI 마케팅 개선 프로젝트에서는 유저 행동 데이터와 마케팅 성과 데이터를 분석하여 캠페인 효율을 높이고, 유저 세그먼트 분석, 리텐션 개선, 전환율 예측 등 데이터 기반 마케팅 의사결정을 지원하는 모델과 분석 체계를 구축하고 있습니다.
  • 또한 향후 한화와의 협업 프로젝트를 통해 게임 영역을 넘어 AI 기술의 적용 가능성을 확장하고, 크래프톤 AI Research 본부가 보유한 데이터 분석 및 모델링 역량을 다양한 산업 문제 해결에 활용하고자 합니다.
  • 저희 팀은 단순히 모델을 개발하는 것을 넘어, 실제 서비스와 비즈니스 문제를 정의하고, 필요한 데이터를 발굴·분석하며, 모델 개발과 성능 개선, 운영 적용까지 이어지는 end-to-end AI/ML 프로젝트를 수행합니다. 새로 합류하시는 분께서는 이러한 다양한 프로젝트를 함께 추진하며, 게임 보안, 매치메이킹, eSports, 마케팅, 외부 협업 과제 등 여러 영역에서 AI 기술의 실질적인 가치를 만들어가게 됩니다.

우리 팀과 함께할 미션을 소개합니다.

  • 새로 합류하시는 분께서는 Video Anti-Cheat, 딥러닝 기반 BGMI 마케팅 개선, Esports 팀과의 추가 협업 프로젝트를 중심으로 AI/ML 기반 데이터 분석 및 모델 개발 업무를 담당하시게 됩니다.
  • Video Anti-Cheat 프로젝트에서는 게임 플레이 영상 및 관련 로그 데이터를 활용하여 비정상 플레이, 부정행위 의심 패턴, 사용자 행동 특성 등을 분석하고, 이를 탐지하기 위한 딥러닝 모델 개발 및 고도화 업무를 수행하게 됩니다. 영상 데이터와 정형 로그 데이터를 함께 활용하여 모델 학습에 필요한 데이터를 구성하고, 탐지 성능을 개선하기 위한 피처 설계, 모델 실험, 오류 분석, 성능 평가 등을 주도적으로 진행하게 됩니다.
  • BGMI 마케팅 개선 프로젝트에서는 딥러닝 및 머신러닝 기반 분석 방법을 활용하여 마케팅 성과를 개선하기 위한 데이터 분석과 모델링 업무를 담당하게 됩니다. 유저 행동 데이터, 캠페인 성과 데이터, 게임 내 이벤트 및 플레이 패턴 등을 종합적으로 분석하여 마케팅 효율을 높일 수 있는 인사이트를 도출하고, 타겟팅, 유저 세그먼트 분석, 성과 예측, 리텐션 및 전환율 개선 등에 활용 가능한 모델과 분석 체계를 구축하게 됩니다.
  • 또한 Esports 팀과의 협업 프로젝트에서는 경기 데이터, 선수 및 팀 관련 데이터, 영상·로그·이벤트 데이터를 활용하여 Esports 운영과 콘텐츠, 경기 분석, 팬 경험 개선 등에 기여할 수 있는 AI/ML 기반 분석 과제를 수행하게 됩니다. 프로젝트의 목적에 따라 데이터 수집 및 정제, 분석 방향 설정, 모델 개발, 결과 해석, 협업 부서와의 커뮤니케이션까지 폭넓게 담당하게 됩니다.
  • 이 포지션은 단일 모델 개발에만 국한되지 않고, 실제 서비스 및 사업 조직과 긴밀히 협업하며 문제를 정의하고 데이터 기반 해결책을 제시하는 역할입니다. 각 프로젝트의 목표에 맞게 필요한 데이터를 파악하고, 분석 및 모델링 방향을 설계하며, 실험 결과를 바탕으로 실질적인 개선 효과를 만들어내는 것을 기대하고 있습니다.
  • 이를 통해 AI Research 조직은 게임 보안, 마케팅 최적화, Esports 협업 등 다양한 영역에서 AI/ML 기술의 활용 범위를 확장하고, 실제 서비스와 비즈니스 성과에 기여할 수 있는 데이터 기반 문제 해결 역량을 강화하고자 합니다.

이런 경험을 가진 분과 함께 성장하고 싶습니다! (필수요건)

  • Computer Science, Machine Learning, Artificial Intelligence, Data Science 또는 관련 전공을 졸업하셨거나, 이에 준하는 수준의 전문 역량과 실무 경험을 보유하신 분을 찾고 있습니다.
  • PyTorch, TensorFlow 등 주요 딥러닝 프레임워크를 활용하여 AI/ML 모델을 직접 학습, 실험, 평가 및 개선해보신 경험이 있으신 분을 선호합니다. 단순히 모델을 구현하거나 학습시키는 수준을 넘어, 데이터 특성 분석, 모델 구조 개선, 하이퍼파라미터 튜닝, 학습 전략 수립, 오류 분석 등을 통해 딥러닝/ML 모델의 성능을 유의미하게 향상시켜 본 경험이 있으신 분이면 좋습니다.
  • AI/ML 모델 학습에 필요한 데이터를 확보하고 구축하는 프로젝트를 기획 단계부터 실행, 운영, 품질 관리까지 end-to-end로 수행해보신 분을 찾고 있습니다. 특히 Foundation Model 또는 생성형 AI 학습에 활용되는 대규모 데이터의 특성을 이해하고, 데이터 커버리지, 다양성, 중복, 노이즈, 편향, 안전성, 라이선스 등 모델 성능과 서비스 품질에 영향을 줄 수 있는 주요 데이터 품질 요소를 판단할 수 있는 역량을 중요하게 보고 있습니다.
  • 대규모 AI 학습 데이터 확보를 위해 데이터 소스를 발굴하고, 수집 방식과 우선순위를 설계하며, 일정·비용·리소스 계획을 수립하고 실행 로드맵을 관리해보신 경험이 있으신 분을 선호합니다. 또한 외부 파트너사, 데이터 벤더, 라벨링 업체, 크롤링/수집 조직 등과 협업하여 데이터 확보 프로젝트를 추진해보신 경험이 있다면 더욱 좋습니다.
  • SQL, Spark, Pandas 등을 활용한 데이터 분석 및 처리에 능숙하신 분을 찾고 있습니다. 대규모 데이터셋을 탐색하고, 데이터 분포와 품질을 분석하며, 모델 학습에 적합한 형태로 데이터를 정제·가공·검수해보신 경험이 필요합니다. 또한 샘플링 검수, 오류 유형 분석, 품질 리포트 작성, 개선 루프 운영 등 데이터 수집·정제·검수 과정에서 필요한 품질 기준과 운영 프로세스를 설계하고 관리해보신 경험이 있으신 분을 선호합니다.
  • AI 모델의 성능 개선이 단순히 모델 구조나 학습 방식만으로 이루어지는 것이 아니라, 학습 데이터의 품질과 구성, 데이터 확보 전략, 검수 체계, 지속적인 개선 프로세스에 크게 영향을 받는다는 점을 이해하고 계신 분이면 좋습니다. 데이터와 모델을 함께 바라보며, 실제 서비스 또는 연구 환경에서 AI/ML 모델의 성능 향상을 목표로 문제를 정의하고 해결해보신 분과 함께하고 싶습니다.

이런 경험들이 있다면 저희가 찾는 그 분입니다! (우대요건)

  • LLM, MLLM, VLM, Speech/Audio 모델 등 Foundation Model 학습에 필요한 데이터를 확보·구축·정제·활용해보신 경험이 있으신 분을 우대합니다. 특히 텍스트뿐만 아니라 이미지, 오디오, 비디오, 게임 로그, 유저 인터랙션 데이터 등 다양한 모달리티의 데이터를 다뤄보셨고, 각 데이터 유형별 특성과 품질 기준을 이해하고 계신 분이면 더욱 좋습니다.
  • Tabular data를 기반으로 데이터 분석, 피처 엔지니어링, 모델 학습 및 성능 개선을 수행해보신 경험이 풍부하신 분을 선호합니다. 대규모 정형 데이터를 탐색하고, 변수 간 관계를 분석하며, 결측치·이상치·중복 데이터·분포 편향 등을 파악하여 모델 학습에 적합한 형태로 가공해보신 경험이 있으시면 좋습니다. 또한 SQL, Spark, Pandas 등과 함께 AWS, Azure, Databricks 등 클라우드 기반 데이터 분석 플랫폼을 활용하여 대용량 데이터를 안정적으로 처리하고 분석해보신 경험을 우대합니다.
  • 오픈 데이터셋, 웹 데이터, 라이선스 데이터, 파트너십 기반 데이터, 자체 생성 데이터 등 다양한 데이터 소스를 발굴하고 활용해보신 분을 선호합니다. 데이터 크롤링, 스크래핑, API 연동, 데이터 파이프라인 구축 등 기술적 수집 방식에 대한 이해 또는 실무 경험이 있으시다면 더욱 좋습니다. 또한 국내외 데이터 벤더, 콘텐츠 파트너, 플랫폼 사업자 등과의 계약 및 파트너십을 통해 데이터 확보 프로젝트를 추진해보신 경험도 우대합니다.
  • 대규모 데이터의 중복 제거, 필터링, 유해 콘텐츠 제거, 개인정보 탐지 및 마스킹 등 데이터 품질·안전성 관리 프로세스를 설계하고 운영해보신 분을 찾고 있습니다. AI 모델 학습에 사용되는 데이터가 모델 성능뿐만 아니라 서비스 안정성, 법적 리스크, 사용자 경험에도 직접적인 영향을 줄 수 있다는 점을 이해하고, 데이터 품질 기준과 검수 체계를 체계적으로 수립해보신 경험이 있으시면 좋습니다.
  • 통계와 관련한 배경 지식이 풍부하여 데이터 분포, 샘플링, 편향, 신뢰도, 실험 설계, 성능 검증 등을 정량적으로 해석할 수 있으신 분을 우대합니다. 단순히 모델 성능 지표를 확인하는 것을 넘어, 성능 변화의 원인을 데이터와 실험 관점에서 분석하고 개선 방향을 제시할 수 있는 역량을 기대합니다.
  • 최신 딥러닝 논문을 빠르게 습득하고 실제 코드로 구현할 수 있으신 분을 선호합니다. NeurIPS, ICML, ICLR 등 머신러닝/인공지능 관련 탑티어 학회 또는 저널에 논문을 게재한 경험이 있으시거나, 최신 연구 동향을 기반으로 모델 구조, 학습 방법, 데이터 활용 전략을 실험적으로 검증해보신 경험이 있다면 더욱 좋습니다.
  • Kaggle 등 국내외 인공지능 경진대회에서 수상했거나 우수한 성과를 거둔 경험이 있으신 분을 우대합니다. 제한된 데이터와 시간 안에서 문제를 정의하고, 데이터 분석, 모델링, 앙상블, 성능 개선, 오류 분석 등을 통해 실질적인 결과를 만들어보신 경험을 긍정적으로 보고 있습니다.
  • 딥러닝 모델 서빙 및 MLOps 파이프라인 개발 경험이 있으신 분도 우대합니다. 모델 학습 이후 실서비스 적용을 위한 서빙 구조 설계, 배포 자동화, 모니터링, 성능 추적, 재학습 파이프라인 구축 등을 경험해보셨다면 좋습니다. 특히 데이터 수집부터 모델 학습, 평가, 배포, 운영, 개선 루프까지 전체 AI/ML 라이프사이클을 이해하고 계신 분과 함께하고 싶습니다.
  • 게임, 엔터테인먼트, UGC, 대화형 AI, 에이전트 AI 관련 데이터에 대한 이해나 활용 경험이 있으신 분이라면 더욱 좋습니다. 실제 사용자 행동, 콘텐츠 생성, 상호작용 패턴, 멀티모달 입력 등 복합적인 데이터를 기반으로 AI 모델의 성능과 서비스 가치를 높여보신 경험을 우대합니다.

크래프톤의 도전에 함께 하기 위해 아래의 전형 과정이 필요합니다.

  • 서류 전형 > 사전 인터뷰 (Phone Interview) > 직무 테스트 (Take Home Test) > 직무면접 (Technical Fit Interview) > 종합면접 (Culture Fit Interview) > 합격 및 입사
  • 상시 채용으로 채용 완료 시 조기 마감될 수 있습니다.
  • 필요 시, 인터뷰 및 직무 테스트가 추가될 수 있습니다.
  • 전형 일정 및 합격 또는 불합격 결과는 지원서에 등록하신 이메일 또는 유선으로 개별 안내 드립니다.

필요 서류를 확인해주세요!

  • 입사지원서 (자유 양식), 자기소개서, 경력기술서, 포트폴리오(선택)
  • 신입일 경우 자기소개서를, 경력일 경우 경력기술서를 중심으로 기술해 주시기 바랍니다.
  • 포트폴리오 첨부 시, 하단 안내 사항을 확인해 주시기 바랍니다.

근무지

  • 역삼

고용형태

  • 인턴 (6개월)

아래 안내 사항을 확인해주세요!

  • 장애인 및 국가 유공자 등 취업 보호 대상자는 관계 법령에 따라 우대합니다.
  • 지원서 내용 중 허위사실이 있는 경우에는 합격이 취소될 수 있습니다.
  • 5개월의 수습기간을 적용합니다. 회사는 수습기간에 대한 평가 결과에 따라 본채용을 거부할 수 있으며, 수습기간 중이라도 중간평가 결과에 따라 수습기간을 조기 종료하고 본채용을 거부할 수 있습니다. 수습기간 내 고용형태 및 급여 조정은 없습니다.
  • 채용 전형 중 궁금하신 사항은 크래프톤 채용 FAQ 내에서 확인하실 수 있습니다.

BE BOLD, LEARN AND WIN! 크래프톤의 성장과 도전의 스토리를 알아가고 싶다면?

Please check the information below

  • Those eligible for an affirmative action program such as individuals with disabilities or with distinguished service to the state will be given hiring preference according to relevant laws
  • False statements in your resume may lead to the withdrawal of the employment offer
  • A 5-month probationary period applies. Based on the mid-term evaluation, employment may be terminated early or not continued. No changes in employment type or salary during this period.
  • Please contact career@krafton.com for other inquiries

BE BOLD, LEARN AND WIN! Would you like to explore KRAFTON’s growth and adventure stories?