(Seoul) Senior Data Platform Engineer at Lunit

Seoul, , South Korea -

Full Time

Start Date

Immediate

Expiry Date

24 Sep, 26

Salary

0.0

Posted On

26 Jun, 26

Experience

5 year(s) or above

Remote Job

Yes

Telecommute

Yes

Sponsor Visa

Skills

Data Pipeline Design, Python, Go, Prefect, PostgreSQL, Iceberg, Trino, BigQuery, Kubernetes, Docker, MLflow, Data Governance, Cloud Infrastructure, ETL, MLOps, Data Quality Management

Industry

Software Development

Description

This position is open for candidates who reside in Korea and have a Korean proficiency appropriate for working in a Korean business. "Conquering cancer through AI" Lunit은 "Learning Unit"을 줄여 만든 이름으로, 암 진단 및 치료에 기여하는 인공지능 솔루션을 개발하고 제공하는 의료 AI 기업입니다. 루닛은 인공지능 기술을 통해 더 정확한 암 진단과 치료 효과 예측이 가능해지고, 환자를 위한 신속한 맞춤형 치료가 가능해지는 시대를 열고자 합니다. 💭 About the team What do we do? (Department Mission) AI Platform Department는 전 세계 환자의 진단과 치료에 실제로 사용되는 의료 AI 모델이 안정적으로 동작하도록 데이터·학습·운영·서빙 전반을 아우르는 기반 플랫폼을 구축합니다. 우리는 기술을 통해 암의 조기 발견과 정확한 치료라는 목표에 기여하고자 합니다. How do we work? (Work Style) 빠르게 시도하고 실사용자 피드백을 바탕으로 지속적으로 개선하는 개발 문화 문제 정의 단계부터 PM, AI 연구자, 엔지니어가 함께 참여하는 강한 협업 구조 품질을 지키면서 속도를 높이기 위해 AI 기반 개발·자동화 도구 적극 활용 명확한 설계와 코드 리뷰를 통한 투명한 기술 의사결정 What kind of problems do we solve? (Design Philosophy) TB~PB 규모의 의료 데이터를 다루는 대규모 데이터 인프라 문제 데이터 보안·프라이버시 규제를 충족하는 엔터프라이즈 아키텍처 연구자가 수천 건의 실험을 수행할 수 있도록 지원하는 대규모 ML 파이프라인 자동화 글로벌 병원 인프라와 연결된 데이터 연동·모니터링 시스템 Who will I spend 8+ hours/day with? (Co-workers) 글로벌 인재로 구성된 AI 연구자, SW 엔지니어, MLOps 엔지니어 등 전문성 높은 동료들 영어와 한국어가 자연스럽게 공존하는 팀 환경 서로의 지식과 배경을 존중하며 함께 성장하는 문화 What kind of support do we offer? (Learning & Growth) 사내 영어 교육을 통한 원활한 글로벌 협업 지원 의료·AI·데이터·플랫폼 분야의 전문성을 넓힐 수 있는 환경 난이도 높은 문제를 다루며 빠르게 성장할 수 있는 구조 Why do we do this? (Purpose) 우리가 구축하는 데이터 인프라와 파이프라인은 의료 AI 모델의 정확도·재현성·신뢰성을 결정하는 핵심 요소입니다.Data Engineer의 한 줄 코드, 하나의 파이프라인 개선은 결국 전 세계 환자의 진단 결과에 직접적인 영향을 미칩니다. 💭 About the position What will I build? (Scope of Work) 의료 데이터 수집·정제·변환 파이프라인 AI 학습 데이터셋 생성 및 버전 관리 시스템 대규모 ML 워크플로우 자동화 Data Lineage, Metadata, Quality 관리 체계 규제 및 보안이 중요한 의료 데이터 거버넌스 인프라 글로벌 SaaS 형태의 의료 AI 데이터 플랫폼 What design/engineering challenges will I face? (Focus Area) PB 규모 의료 데이터 파이프라인 설계 멀티클라우드(AWS/GCP/Azure) 운영 의료 규제 준수와 자동화를 동시에 만족하는 구조 설계 GPU 학습 환경과 연동되는 고성능 데이터 공급 문제 해결 제품–연구–엔지니어링 요구를 조율하는 협업 중심의 문제 해결 What kind of engineer fits well here? (Ideal Profile) 데이터 시스템의 '전체 흐름'과 '구조'를 설계하는 일을 좋아하는 분 복잡한 문제를 구조화하고 실용적인 해결책을 제시할 수 있는 분 Data Quality, Security, Lineage 에 높은 기준을 가진 분 '의료 AI'라는 어려운 도메인에서 의미 있는 변화를 만들고 싶은 분 How will I grow? (Opportunities) 복잡한 AI·데이터 시스템을 총괄적으로 설계하는 경험 글로벌 의료 AI SaaS 플랫폼 구축 경험 Research, MLOps, Engineering이 맞물린 대규모 조직 구조에서의 성장 🚩 주요 업무 Senior Data Platform Engineer는 의료 AI 모델 개발에 필요한 대규모 의료 데이터를 안정적으로 수집, 저장, 가공, 탐색, 어노테이션, 배포할 수 있는 데이터 플랫폼을 설계하고 구현합니다. TB~PB 규모의 의료 영상·진단 데이터를 안정적으로 처리하기 위한 데이터 파이프라인을 설계·개발 데이터 수집–정제–변환–검증–배포까지 이어지는 End-to-End 데이터 워크플로우를 구축하여, AI 연구자와 MLOps 엔지니어의 생산성을 극대화 의료 데이터의 표준화, 품질 관리, 버전 관리, Lineage, Metadata 관리 등 신뢰할 수 있는 AI 학습 데이터 관리 체계를 구현 AI 연구자와 의료 전문가가 데이터를 효율적으로 탐색, 검수, 어노테이션할 수 있는 데이터 플랫폼 기능과 도구형 Web UI를 개발 의료 규제와 프라이버시 요구사항을 고려해 데이터 접근 제어, 감사 추적, Governance 기능을 설계하고 구현 AI 연구자, MLOps 엔지니어, 의료 전문가, 제품팀과 협업하여 실제 사용자의 문제를 해결하는 데이터 플랫폼 기능을 정의하고 개선 AI 기반 개발도구(Cursor, Codex, ChatGPT, Claude Code 등)을 적극 활용해 파이프라인 생성·테스트·문서화의 생산성을 향상 🚩 Tech Stack AI Platform Department는 AI를 활용해 품질을 유지하면서 생산성을 극대화하는 엔지니어링 문화를 지향합니다. Cursor, Codex, Claude Code 등 AI 개발 도구를 적극적으로 활용해 설계·구현·테스트 효율을 한 단계 끌어올리고 있습니다. Core Technologies Python & Go 기반 데이터·워크플로우 개발 Prefect (orchestration) 기반 ETL/ML 파이프라인 PostgreSQL, Iceberg, Trino, BigQuery Azure Blob Storage/GCS 기반 대용량 데이터 처리 Kubernetes, Docker MLflow Security / Governance 의료 데이터 및 모델에 대한 Governance/Lineage RBAC 기반 안전한 데이터 접근 데이터 품질 검증 및 정책 기반 접근 관리 🎯 자격요건 데이터 플랫폼·파이프라인 설계 및 운영 경험이 있으신 분 데이터 플랫폼, 데이터 파이프라인 또는 백엔드 시스템 개발 분야에서 5년 이상의 실무 경험 데이터 수집부터 검증, 배포까지 이어지는 데이터 워크플로우를 구조화하고 자동화한 경험 데이터 파이프라인, 데이터 저장소, 데이터 관리 도구 중 하나 이상을 직접 설계하거나 개발한 경험 Prefect, Airflow 등 Workflow Orchestrator 기반의 데이터 파이프라인을 설계·운영한 경험 대규모 데이터 저장·처리·서빙 경험이 있으신 분 대규모 데이터를 안정적으로 저장, 처리, 조회하는 시스템을 설계·구현한 경험 대용량 이미지 또는 파일 기반 데이터(수십 TB 이상)를 처리·서빙한 경험 Azure Blob Storage, GCS 등 오브젝트 스토리지 기반의 대용량 데이터 저장소를 설계하거나 운영한 경험 PostgreSQL 등 관계형 데이터베이스를 활용해 메타데이터·서비스 저장소를 설계·운영한 경험 Iceberg/Trino, BigQuery 등 레이크하우스 또는 데이터 웨어하우스 기반의 대규모 분석 쿼리 시스템을 활용한 경험 데이터 품질 보안 거버넌스 관련 경험이 있으신 분 데이터 품질, 안정성, 보안, 접근 제어를 고려한 시스템 설계 역량 데이터셋, 메타데이터, 품질 검증, 버전 관리 등 신뢰할 수 있는 학습 데이터 관리 기능을 직접 설계·구현한 경험 다수의 서비스와 사용자가 공유하는 데이터 플랫폼의 API, 데이터 모델, 권한 모델을 설계한 경험 백엔드 및 시스템 구현 경험이 있으신 분 Python, Go, Java 등 하나 이상의 언어로 서버 또는 데이터 처리 시스템을 설계·구현한 경험 복잡한 도메인 요구사항을 구조화하고, 이를 제품 기능이나 시스템 설계로 구체화할 수 있는 역량 AI·의료 데이터 도메인 이해 및 학습 의지가 있으신 분 의료 데이터와 AI 모델 개발 도메인에 대한 관심 또는 학습 의지 협업 및 커뮤니케이션 역량이 있으신 분 AI 연구자, 데이터 엔지니어, MLOps 엔지니어, 의료 전문가 등 다양한 직군과 협업할 수 있는 커뮤니케이션 역량 다양한 직군과 협업하여 문제를 정의하고 실행 가능한 해결 방향을 제시할 수 있는 커뮤니케이션 역량 기술 요구사항과 제품 요구사항을 조율하며 이해관계자와 협업한 경험 영어 기반 문서 작성 및 협업에 무리가 없는 영어 구사력 🏅 우대사항 DICOM, 병리 이미지, PHI 등 의료 데이터 특성에 대한 이해가 있거나 학습 의지가 있으신 분 AI 학습 데이터셋 생성, 어노테이션 도구, 데이터 검수 도구를 개발한 경험이 있으신 분 대규모 GPU 학습 환경과 연동되는 데이터 공급 파이프라인을 구축한 경험이 있으신 분 데이터 품질 지표, 자동화된 테스트, 데이터 검증 시스템을 구축한 경험이 있으신 분 의료 데이터 관련 개인정보보호법, HIPAA, EU AI Act 등 국내외 규제에 대한 이해를 바탕으로, 관련 요건을 충족하는 시스템을 설계하거나 구현한 경험이 있으신 분 클라우드 비용 최적화 경험이 있으신 분 DataHub, Amundsen 등 데이터 카탈로그를 구축하거나 활용한 경험이 있으신 분 글로벌 팀 또는 영어 기반 협업 환경에서 일한 경험이 있으신 분 📝 제출서류 자유 양식의 이력서 포트폴리오 또는 기타 관련 자료(선택 사항) 🏃‍♀️ 전형 절차 Document Screening → Competency-based Interview → Culture-fit Interview → Onboarding 최종 면접 이후, 필요 시 레퍼런스 체크를 진행할 수 있습니다. 🤝 근무 조건 및 근무 환경 근무형태 : 정규직 (수습 기간 3개월) 근무지역 : 루닛본사 (강남구 강남대로 374 케이스퀘어 강남2, 5층) 급여 : 면접 후 결정 🎸 기타사항 입사지원 서류에 허위사실이 발견될 경우, 채용확정 이후라도 채용이 취소될 수 있습니다. 국가 유공자 및 장애인 등 취업보호대상자는 관계법령에 따라 우대합니다. 본 공고는 수시 채용으로, 조기 마감될 수 있습니다. 🌻 Benefits & Perks 강남역 3번 출구 도보 1분 거리에 위치한 신규 오피스(언덕 없는 평지) 오피스 근무 시 12,000원의 식비 지원(점심, 저녁) 및 무제한 간식 제공 최신 사양의 컴퓨터 장비(Mac, 4K 모니터 등) 선택, 3년마다 최신형 장비 지원 학회 참석, 직무 교육, 도서 구매 지원 정규 사내 인공지능/의료 세미나 개최 원어민 영어 교육 프로그램 수강 지원 대규모 고품질 인공지능 학습 데이터 및 딥러닝 DevOps 시스템 보유 자유롭게 쓸 수 있는 복지 포인트 연간 120만원 지원 명절 선물 및 각종 경조사에 대한 경조사비와 경조휴가 지원 종합건강검진, 임직원 상해 보험 가입 등의 지원

Responsibilities

Design and implement a large-scale data platform for collecting, processing, and managing medical AI training data. Build end-to-end workflows and governance systems to ensure data quality, security, and accessibility for AI researchers.