실비아헬스는 과학적 근거 위에 따뜻한 기술을 더해 고령화 시대의 핵심 문제를 해결하는 디지털 헬스케어 기업입니다.
Research Part는 실비아헬스의 임상·AI·제품 개발의 기반이 되는 연구 조직입니다. 임상 데이터와 실제 사용 맥락을 바탕으로 의미 있는 연구 질문을 정의하고, 이를 기술과 제품으로 연결합니다.
Research Engineer는 데이터가 많지 않은 임상 환경에서, 적은 표본으로도 신뢰할 수 있는 신호를 찾고, 임상적 근거와 현재 규제 안에서 실제로 쓸 수 있는 모델을 만드는 사람입니다. 연구 파트너들과, 서로 다른 전문 분야를 존중하며 함께 문제를 정의하고 풀어갑니다.
주요 업무
임상적으로 근거 있고 규제 안에서 쓸 수 있는 모델·알고리즘을 설계하고, PoC/MVP로 검증하고 상용모델까지 개선해 나갑니다.
최신 연구·기술 동향과 경쟁 환경을 기술적으로 분석하고, 우리가 놓치는 방향을 먼저 제안합니다.
데이터 분석·모델링을 맡은 동료와 긴밀히 소통하며 연구를 제품으로 연결합니다.
실험이 일회성으로 사라지지 않도록, 재현 가능한 코드·데이터·문서 구조로 남깁니다.
＜이런 고민을 함께 합니다＞
데이터가 적은 임상 환경에서, 나중에도 신뢰할 수 있는 모델과 데이터 구조는 어떻게 설계해야 할까?
불확실성 하의 의사결정(적응형 설계, 순차적 선택 등)을 임상 맥락에서 어떻게 다룰 수 있을까?
멀티모달 연구 실험을 어떻게 반복 가능하고 안정적인 파이프라인으로 만들 수 있을까?
새로운 AI 기술을 우리 규제·환경에 현실적으로 어떻게 적용해야 할까?
자격요건
ML/DL 관련 분야 박사, 또는 동등한 수준의 연구·실무 경험을 갖춘 분
ML/DL을 기본으로, 통계 · 베이지안 · bandit/강화학습 · 인과추론 · 실험설계 등, 적은 데이터와 불확실성을 다루는 방법론에 강점이 있는 분
논문 아이디어를 이해하고 모델·실험 코드로 직접 구현·검증해본 경험이 있는 분
데이터 무결성과 실험 재현성을 중요하게 여기며, 구조적으로 코드를 작성하는 분
임상·헬스케어 도메인을 빠르게 학습해 문제를 구조화할 의지가 있는 분 (도메인 지식은 팀과 함께 쌓아갑니다)
＜이 포지션의 매력＞
잘 정의된 small-data·규제 환경의 임상 문제를, 거의 처음부터 설계하고 풀어보는 역할입니다.
데이터, 모델, 실험 환경까지 연구 엔지니어링의 전 과정을 깊이 있게 다룹니다.
의료·임상·AI 전문가와 동등한 파트너로 협업하며 도메인 기반 AI 연구 역량을 축적합니다.
단기 실험이 아니라, 팀과 조직에 남는 연구·기술 자산을 만드는 경험을 합니다.
우대사항
임상·헬스케어 데이터 또는 연구용 데이터 표준(예: CDASH)을 다뤄본 경험
음성, 텍스트, 생체신호 등 멀티모달 데이터 중 하나 이상을 다뤄본 경험
Docker, MLflow, CI 환경 등 실험 및 ML 파이프라인을 구성해본 경험
논문, 코드, 기술 문서 등 연구 성과를 자산 형태로 정리해본 경험
＜참고사항＞ LLM에 대한 이해는 필요하지만, 이 역할은 파운데이션 모델을 만들거나 RAG 시스템을 구축하는 자리가 아닙니다. 최신 AI 기술을 우리 연구 맥락과 제약 안에서 현실적으로 적용·판단하는 역량을 더 중요하게 봅니다.
• 실비아헬스의 채용은 서류 전형 ＞ 커피챗 ＞ 실비아 챌린지 ＞ 직무 인터뷰 ＞ 문화 적합성 인터뷰 순으로 진행됩니다.
• 서류 전형: 이력서와 제출 자료를 바탕으로 지원자의 경험과 배경을 확인합니다.
• 커피챗: 실비아헬스와 지원자가 서로를 알아가며 역할과 방향성에 대한 이해를 맞추는 시간입니다.
• 실비아 챌린지: 실제 업무 상황을 가정한 과제를 통해 문제 접근 방식과 사고 구조를 확인합니다.
• 직무 인터뷰: 지원한 포지션과 관련된 경험과 역량을 중심으로 역할 적합성을 확인합니다.
• 문화 적합성 인터뷰: 실비아헬스의 일하는 방식과 가치관이 서로 잘 맞는지를 확인하는 대화 중심의 인터뷰입니다.
