[Nota AI GmbH] ML Researcher

Summary: Join Nota AI's European research team to develop Physical AI and optimize foundation models for on-device deployment. You will collaborate with engineers to turn research into products, focusing on VLM/VLA models, model optimization, and real-world validation on robotics hardware.

### 👋 우리 팀을 소개합니다.

Research team은 Nota AI의 유럽 법인 내 연구 집단으로, On-device AI를 위한 모델 최적화(Optimization)와 Physical AI를 연구/개발하는 조직입니다. 저희의 목표는 명확합니다 — VLM·VLA(Vision-Language-Action) 같은 Foundation model이 서버가 아닌 실제 디바이스와 로봇 위에서 실시간으로 동작하게 만드는 것. State-of-the-art performance를 지향하는 연구를 진행하며, 그 성과는 저명한 학회 논문 출판과 동시에 자사의 On-device ML framework인 NetsPresso에 반영되어 실제 제품으로 이어집니다.

Machine Learning Researcher는 ML/DL Research Engineer, Frameworks Engineer, Embedded Engineer와 긴밀히 협업하며, 연구 아이디어가 논문에서 끝나지 않고 실제 하드웨어 위에서 검증되는 전 과정을 함께합니다.

### 📌 해당 포지션으로 합류하신다면

• 논문과 제품, 둘 다 갖습니다. 연구 성과가 학회 발표로 끝나지 않고 NetsPresso를 통해 실제 고객의 디바이스에서 동작합니다.
• 가장 빠르게 성장하는 교차점에서 연구합니다. Efficient AI와 Physical AI가 만나는 지점 — Foundation model을 로봇과 엣지 디바이스에서 실시간으로 구동하는 문제는 이제 막 열린 연구 영역입니다.
• 작은 팀, 큰 오너십. 유럽 법인의 초기 멤버로서 연구 방향 설정부터 배포까지 전 과정을 주도합니다. 한국 본사 R&D 조직과의 글로벌 협업 기회도 함께합니다.

### ✅ 주요 업무

• Physical AI 연구 및 개발
• VLM·VLA 기반 Robot foundation model 연구
• VLA policy의 학습(fine-tuning) 및 시뮬레이션·벤치마크 기반 성능 평가
• World model, action-conditioned prediction 등 Physical AI 관련 최신 연구 탐색 및 적용
• Model optimization 연구 및 개발
• VLA·VLM·LLM 등 Foundation model의 Quantization (PTQ/QAT, low-bit·mixed-precision), Pruning, Knowledge Distillation
• Training-free / test-time optimization, efficient attention, efficient inference (KV cache 최적화, token reduction 등) 연구
• 연구 성과의 실환경 검증 및 NetsPresso 제품화
• 다양한 Target HW (GPU, NPU, Robot-arm, Humanoid 등)에서의 latency/memory 프로파일링 및 배포 검증
• 최적화된 모델의 downstream task 성능 검증 및 NetsPresso 기능 추가
• Top-tier 학회 (NeurIPS, ICML, ICLR, CVPR, CoRL, MLSys 등) 논문 출판

### ✅ 자격요건

• Computer Science, 공학 또는 관련 분야 박사 학위 이상을 보유하신 분 또는 그와 유사한 경력을 갖춘 분
• 능동적으로 연구 주제를 발굴하고 끝까지 검증해내는 것을 즐기시는 분
• 다음 중 한 가지 이상에 깊이 있는 연구 또는 개발 경험을 가지신 분
• Deep learning 모델 최적화 (Quantization, Pruning, Distillation 등)
• VLM·VLA·LLM 등 Foundation model의 학습 또는 fine-tuning
• Python 언어를 사용한 업무 경험이 있으신 분
• Deep learning framework (PyTorch 등)에 능통하신 분
• 관련 선행연구 논문을 조사·분석하고, 직접 재현(reproduce)할 수 있는 역량을 가지신 분

### ✅ 우대사항

• Top-tier 학회 (NeurIPS, ICML, ICLR, CVPR, ICCV/ECCV, CoRL, ICRA, MLSys 등) 논문 출판 경력이 있으신 분
• VLA 모델 또는 robot policy를 시뮬레이션·실제 하드웨어에 배포하고 평가해 보신 분
• Imitation learning, Reinforcement learning 등 robot learning 경험이 있으신 분
• LLM·VLM 등 대규모 모델의 경량화 또는 추론(serving) 최적화 경험이 있으신 분
• TensorRT, ONNX Runtime, NPU SDK 등 On-device AI 변환·배포 경험을 가지신 분
• Triton / CUDA 커널 개발 경험이 있으신 분
• Hugging Face 등 ML ecosystem을 활용한 개발 경험이 있으신 분
• AI 코딩 도구(Claude Code 등)를 활용한 연구·실험 자동화 경험이 있으신 분

### ✅ 채용 절차

• 서류 검토 → 1차 인터뷰 → 2차 인터뷰 & 온라인 코딩 테스트 → 3차 인터뷰 → 처우 협의 → 최종 선발

(절차 간에 추가적인 과제가 있을 수 있습니다.)

### 🤓 팀의 메세지

> "AI is a team sport" — Andrew Ng

> 우리는 AI 연구개발의 잠재력을 최대한 끌어내기 위해서는 팀워크가 핵심이라고 믿습니다. 함께할 때 혼자서는 이루기 어려운 더 큰 성과를 만들어낼 수 있습니다. 우리 팀에서는 모든 구성원의 목소리와 기여를 소중히 여기며, 함께 힘을 모아 혁신을 만들어갑니다.

### 지원 전, 확인해주세요! 👀

• 해당 공고의 근무지는 독일 베를린의 Nota AI GmbH 입니다.
• 해당 공고는 상시 채용으로, 채용 완료 시 조기 마감될 수 있습니다.
• 이력서 내 연봉 정보 등 민감한 개인 정보가 기재되어 있다면, 해당 서류는 검토되지 않을 수 있습니다.
• 제출해 주신 내용 중 허위 사실이 있을 경우 채용이 취소될 수 있습니다.
• 채용 전 레퍼런스 체크가 있음을 알려드립니다.
• 최종 인터뷰 합격 시 별도로 처우를 협의합니다.
• 입사 후 시용기간이 있으며, 이에 대한 처우는 차등을 두지 않음을 알려드립니다.
• 국가보훈대상자 및 장애인은 관련 법규에 의거하여 우대합니다.
• 장애인 고용 촉진을 위한 행정적 절차 확인이 필요한 경우, 장애인 등록증 사본을 기타 서류 란에 *선택적으로 제출하실 수 있습니다.* 제출 여부는 전형 평가에 어떠한 영향도 미치지 않습니다.
• R&D 모든 포지션에서 전문연구요원, 산업기능요원으로 근무가 가능합니다. (단, 산업기능요원 현역 신규 편입의 경우 불가능)

### 읽어보면 도움 되는 관련 자료 🔎

🌿노타 라이프

• [노타는 핵심 가치(CV)를 어떻게 실행할까?](https://blog.nota.ai/kr/culture/corevalue-1)
• [신입 사원 노식이의 노타 적응기](https://blog.nota.ai/kr/culture/onboarding-2)
• [우리가 일하는 공간을 소개합니다!](https://blog.nota.ai/kr/culture/new-office3)

💡노타가 하는 일

• [기술 이야기 없이 노타 설명하기](https://blog.nota.ai/kr/culture/ctotalk)
• [AI 모델 최적화 플랫폼 '넷츠프레소'란?](https://blog.nota.ai/kr/insights/genai-everywhere-netspresso)
• [노타의 온디바이스 AI '솔루션' 맛보기](https://blog.nota.ai/kr/culture/solution)
• [Nota Tech Blog: 더 알아보기](https://blog.nota.ai/kr/insights)