리서치엔지니어(Research Engineer, 박사급) | 주식회사 오믈렛 | 마감일 2026년 10월 14일

기업명: 주식회사 오믈렛
기업 홈페이지: https://omelet.ai/
채용 공고 제목: [(주)오믈렛] 리서치엔지니어(Research Engineer, 박사급)
채용 공고 링크: https://www.saramin.co.kr/zf_user/jobs/relay/view?rec_idx=55038598&view_type=etc
업·직종: 응용 소프트웨어 개발 및 공급업
근무형태: 정규직
경력제한: 없음
학력제한: 박사이상
급여: 협의 후 결정
모집인원: 0명
채용직급/직책:
근무지역: 서울 강남구, 대전 유성구(선택 가능)
접수방법: 사람인 지원 또는 careers@omelet.ai 지원
모집 기간 : 2026년 9월 15일 ~ 2026년 10월 14일
검색 키워드: 리서치 엔지니어, 최적화, 알고리즘

오믈렛(Omelet)은 고객의 복잡한 운영 문제를 이해하고, 최적의 의사결정을 생성하는 Operational Intelligence 회사로써, 물류, 의료, 방산 등 다양한 산업에 걸쳐 고객의 의사결정을 돕고 있습니다. 우리는 다양한 산업군의 복잡한 의사결정 문제를 혁신적으로 해결할 수 있는 생성형 AI기반 의사결정 Foundation 모델을 공급합니다.
오믈렛이 추구하는 Operational Intelligence를 구현하기 위해서는 대규모 의사결정 문제를 안정적이고 효율적으로 해결할 수 있는 고성능 최적화 알고리즘이 필요합니다. Omelet Research는 수리적 최적화 이론과 전통적 알고리즘뿐만 아니라 Neural Combinatorial Optimization(NCO) 및 강화학습(Reinforcement Learning) 연구를 접목하여 새로운 방법론을 설계하고, 이를 실제로 작동하는 고성능 소프트웨어로 구현합니다.
상용 최적화 소프트웨어 활용을 넘어, 알고리즘의 구조 자체를 깊이 이해하고 이를 직접 구현하여 성능을 개선할 수 있는 연구원을 모집합니다.

이런 일을 합니다
알고리즘 설계 및 고성능 구현
◦ 대규모(Large-Scale) 최적화 알고리즘 설계 및 고성능 소프트웨어 설계
◦ GPU 가속 최적화 알고리즘 및 계산 커널 개발
◦ 딥러닝 기반 Neural Combinatorial Optimization(NCO) 알고리즘 및 강화학습(RL) 모델 개발
◦ 휴리스틱 설계와 고성능 최적화 알고리즘을 결합한 하이브리드 접근법 연구

성능 평가 및 소프트웨어 구조화
◦ 대규모 벤치마크를 활용한 알고리즘 성능 평가, 병목 분석 및 수치적 안정성·확장성 확보
◦ 연구 결과의 재사용성을 고려한 모듈화 및 소프트웨어 구조 설계
연구 협업 및 공유
◦ 최신 최적화 및 고성능 컴퓨팅 연구 동향 조사
◦ 정기 연구 미팅, 기술 문서/보고서 작성 및 사내 연구·개발팀과의 협업

자격요건
• 산업공학, 컴퓨터과학, 인공지능/머신러닝(AI/ML), 응용수학 등 관련 분야 박사학위 보유자 또는 졸업예정자
• 다음 두 가지 연구 트랙 중 하나 이상에 전문성을 보유하신 분
Track 1: 전통적 최적화 연구 (Traditional Optimization)
- Large-Scale Optimization 및 Decomposition-based Algorithm 연구개발 경험
- Branch-and-Cut 알고리즘에 대한 깊이 있는 이해와 연구개발 능력
- C, C++, Rust 중 하나 이상을 활용한 고성능 소프트웨어 구현 능력
Track 2: AI 기반 최적화 연구 (AI-Native Optimization)
- Neural Combinatorial Optimization(NCO), 강화학습(RL) 기반 최적화 연구개발 경험
- Graph Neural Networks(GNN), Attention Mechanism 등을 활용한 조합 최적화 문제 해결 경험
- 딥러닝 프레임워크(PyTorch, TensorFlow 등)를 활용한 모델링 및 구현 능력
• 체계적인 계산 실험 설계, 결과 분석 및 연구 내용을 명확히 문서화하고 소통할 수 있는 능력

우대사항
• 선형계획, 혼합정수계획, 조합최적화 알고리즘(Cutting Plane, Branch-and-Bound, First-order Method 등) 연구 및 구현 경험
• Graph Neural Networks(GNN) 및 Attention Mechanism을 활용한 조합 최적화 문제 해결 경험
• Benders Decomposition, Dantzig-Wolfe Decomposition, Column Generation, Lagrangian Relaxation 활용 경험
• GPU 가속 알고리즘 개발, 메모리/커널 최적화 및 성능 프로파일링 경험
• Sparse / Numerical Linear Algebra 알고리즘 이해
• 멀티코어 및 분산 컴퓨팅 환경을 활용한 병렬 알고리즘 개발 경험
• 최적화 분야 우수 학술지/학술대회 논문 발표 또는 대규모 산업 데이터 활용 최적화 프로젝트 수행 경험
• 독립적인 연구 방향 설정 및 프로젝트 주도 능력
• MLOps(모델 배포, 모니터링, 재학습 파이프라인 구축 등) 경험 보유자

이런 분과 잘 맞습니다
• 상용 최적화 소프트웨어로 응용 문제를 모델링하는 데 그치지 않고, 알고리즘 구조 자체를 깊이 이해하고 직접 구현하고 싶은 분
• 대규모 문제의 계산 병목을 분석하고 새로운 알고리즘·GPU 가속 기술로 실질적인 성능 향상을 만들고 싶은 분
• 이론적 타당성, 계산 성능, 수치적 안정성, 소프트웨어 품질을 함께 고민하는 분
• 복잡한 최적화 문제를 해결하기 위한 핵심 알고리즘을 장기적인 관점에서 연구개발하고 싶은 분

혜택 및 복지
• 주 3회 이상 출근 + 재택/유연근무 병행
• 경조사 지원 (경조휴가·경조금·화환)
• 생일 축하금 및 명절 선물/귀향비 지급
• 종합건강검진 지원 (연 1회)
• 자기계발비 및 체력단련비 지원
• 사내 다과·음료 무상 제공 및 야근·휴일 근무 시 식대 지원

채용 전형
서류 검토 – 사전과제 – 연구 및 기술 인터뷰 – 최종 인터뷰 – 처우 협의