기업소개
뷰노(VUNO)는 의료영상과 생체신호 데이터를 분석해 임상의 진단을 돕는 소프트웨어를 개발합니다. Chest X-ray 기반 제품을 상용화했으며, 현재 글로벌 의료 AI 선도 기업으로 성장하고 있습니다.
뷰노(VUNO)는 2014년 12월 창업한 의료인공지능 전문 기업으로 국내 1호 인공지능 의료기기를 선보였습니다. 생체신호(호흡, 맥박, 혈압, 심전도)와 의료영상(X-ray, MRI) 등 다양한 의료 데이터를 분석해 의료진의 진단을 돕는 소프트웨어를 개발합니다. 국내 최다 의료기관 도입으로 높은 임상 유효성을 입증했으며, 우수한 인공지능 기술력을 바탕으로 의료 현장의 혁신을 일으키고 있습니다. 2021년 코스닥 시장에 상장한 뷰노는 2025년 현재 글로벌 의료인공지능 선도 기업으로 입지를 다지고 있습니다.
담당하실 업무에 대하여 소개 드립니다.
[About the Team]
뷰노의 PXI(Planary X-ray Imaging)팀은 Vuno-Med Chest X-ray 관련 제품 개발의 전 과정에 참여하여 다양한 업무 조직과 긴밀한 협조를 통해 제품 고도화 및 글로벌 시장에 진출하는데 기여합니다.
[About the Position]
Deep Learning/Machine Learning 기반 흉부 X-ray 모델을 제품(Product) 가치로 전환하는 역할입니다. 백엔드·RA/QA·PM과 협업해 정해진 릴리즈 기준을 충족하는 품질로 배포합니다. 임상 사용 환경(응급실·검진·입원/외래)과 목적(triage/screening, second reading)에 맞춰 사용 시나리오별 테스트 체계를 구축하고, 모듈 단위 성능 분석→개선으로 시스템 안정성을 높입니다.
이 과정에서 PyTorch → ONNX/OpenVINO 최적화를 수행하고 Docker로 안정 배포하며, 데이터 적재·라벨 품질·재현성/버저닝·추론 메모리 피크·지연 시간 등 핵심 병목을 찾아 지속적으로 최적화·운영합니다.
1. Roles & Responsibilities
- 학습/검증 파이프라인 자동화
- ML 파이프라인 툴을 활용하여 학습 및 검증과정을 효율적으로 운영할 수 있는 환경을 구축합니다.
- 학습 모델 최적화 및 배포
- PyTorch 모델을 ONNX/OpenVINO로 최적화하여 Time·memory 목표를 달성하고, Docker기반 환경에서 안정적으로 배포합니다(정확도 손실 허용치 내 보전)
- MongoDB 기반 메타데이터 관리
- MongoDB를 활용해 DICOM 및 메타데이터를 체계적으로 관리할 수 있는 구조를 설계 및 운영합니다.
- 코드 오류, 라이브러리 충돌 등 테스트/검증 체계 운영 (pytest, CI/CD)
2.Tech Stacks & Tool
- Framework: PyTorch, Python
- Pipeline: Airflow, Docker, GHCR
- Data: MongoDB(pymongo), DICOM(pydicom)
- Quality: pytest, CI/CD
아래 경험+자격을 갖춘 분과 함께 일하고 싶습니다.
[Qualifications]
- PyTorch 기반 모델 개발 경험
- ONNX 또는 OpenVINO를 활용한 추론 최적화 경험
- Docker 기반 서비스 배포 경험
- pytest·CI/CD 기반 테스트 작성 및 운영 경험
- Airflow 등 활용한 ML 파이프라인 툴을 활용한 학습/평가 자동화 경험
- MongoDB(pymongo), DICOM 처리 경험
아래 경험+자격이 있다면 더 좋습니다.
[Preferred Experiences]
- 모듈 단위 디버깅·테스트 코드 설계 경험
- 유지보수성/확장성 고려한 아키텍처 설계 경험
- 모델 정량지표 뿐 아니라 데이터,코드,인프라 등 팀 내 워크플로우에 병목을 찾고 개선하는 경험
- 의료 도메인의 특수성을 고려한 데이터-개발-검증-배포-모니터링-재학습-검증-배포로 이어지는 파이프라인을 신뢰성 있게 설계/운영할 수 있는 역량
- Label noise 처리 및 관리 경험
- 의료영상데이터 및 레이블링 데이터를 효율적으로 조회, 실행계획을 분석 시 주요 조건에 사용되는 컬럼의 인덱스를 설계하여 조인 조건, 응답 컬럼 등을 고려하여 불필요한 테이블 접근 최소화 등에 관심이 있으신 분
지원 시 참고해 주세요!
모집기간 및 채용절차
- 본 포지션은 채용 시 마감됩니다.
- 전문연구요원(현역/보충역) 지원 가능
- 본 포지션은 [서류전형]→[1차(실무진) PT면접] →[온라인인성검사]→[2차(경영진)면접]→[최종합격] 순으로 진행 됩니다.
* 채용 절차 별 상세 내용은 대상자분들에게 별도 안내 드리고 있습니다.
* 온라인 인성검사로 2차 면접 진행 여부가 결정되는 것이 아님을 안내 드립니다.
공통자격
- 해외여행에 결격사항이 없는 분
- 남성은 병역필/면제자 혹은 전문연구요원 편입 가능 대상자
- 취업보호대상자는 관련 법규에 의거하여 우대합니다.
기타사항
- 수습기간 3개월 후 본채용 여부가 결정됩니다.
- 제출한 서류가 사실과 다른 경우 합격(입사)이 취소될 수 있습니다.
- 제출서류는 관계법령에 따라 파기 및 반환합니다.
- 궁금한 점이 있으신 경우 [email protected]로 문의 부탁드립니다.
기업소개
뷰노(VUNO)는 의료영상과 생체신호 데이터를 분석해 임상의 진단을 돕는 소프트웨어를 개발합니다. Chest X-ray 기반 제품을 상용화했으며, 현재 글로벌 의료 AI 선도 기업으로 성장하고 있습니다.
뷰노(VUNO)는 2014년 12월 창업한 의료인공지능 전문 기업으로 국내 1호 인공지능 의료기기를 선보였습니다. 생체신호(호흡, 맥박, 혈압, 심전도)와 의료영상(X-ray, MRI) 등 다양한 의료 데이터를 분석해 의료진의 진단을 돕는 소프트웨어를 개발합니다. 국내 최다 의료기관 도입으로 높은 임상 유효성을 입증했으며, 우수한 인공지능 기술력을 바탕으로 의료 현장의 혁신을 일으키고 있습니다. 2021년 코스닥 시장에 상장한 뷰노는 2025년 현재 글로벌 의료인공지능 선도 기업으로 입지를 다지고 있습니다.
담당하실 업무에 대하여 소개 드립니다.
[About the Team]
뷰노의 PXI(Planary X-ray Imaging)팀은 Vuno-Med Chest X-ray 관련 제품 개발의 전 과정에 참여하여 다양한 업무 조직과 긴밀한 협조를 통해 제품 고도화 및 글로벌 시장에 진출하는데 기여합니다.
[About the Position]
Deep Learning/Machine Learning 기반 흉부 X-ray 모델을 제품(Product) 가치로 전환하는 역할입니다. 백엔드·RA/QA·PM과 협업해 정해진 릴리즈 기준을 충족하는 품질로 배포합니다. 임상 사용 환경(응급실·검진·입원/외래)과 목적(triage/screening, second reading)에 맞춰 사용 시나리오별 테스트 체계를 구축하고, 모듈 단위 성능 분석→개선으로 시스템 안정성을 높입니다.
이 과정에서 PyTorch → ONNX/OpenVINO 최적화를 수행하고 Docker로 안정 배포하며, 데이터 적재·라벨 품질·재현성/버저닝·추론 메모리 피크·지연 시간 등 핵심 병목을 찾아 지속적으로 최적화·운영합니다.
1. Roles & Responsibilities
- 학습/검증 파이프라인 자동화
- ML 파이프라인 툴을 활용하여 학습 및 검증과정을 효율적으로 운영할 수 있는 환경을 구축합니다.
- 학습 모델 최적화 및 배포
- PyTorch 모델을 ONNX/OpenVINO로 최적화하여 Time·memory 목표를 달성하고, Docker기반 환경에서 안정적으로 배포합니다(정확도 손실 허용치 내 보전)
- MongoDB 기반 메타데이터 관리
- MongoDB를 활용해 DICOM 및 메타데이터를 체계적으로 관리할 수 있는 구조를 설계 및 운영합니다.
- 코드 오류, 라이브러리 충돌 등 테스트/검증 체계 운영 (pytest, CI/CD)
2.Tech Stacks & Tool
- Framework: PyTorch, Python
- Pipeline: Airflow, Docker, GHCR
- Data: MongoDB(pymongo), DICOM(pydicom)
- Quality: pytest, CI/CD
아래 경험+자격을 갖춘 분과 함께 일하고 싶습니다.
[Qualifications]
- PyTorch 기반 모델 개발 경험
- ONNX 또는 OpenVINO를 활용한 추론 최적화 경험
- Docker 기반 서비스 배포 경험
- pytest·CI/CD 기반 테스트 작성 및 운영 경험
- Airflow 등 활용한 ML 파이프라인 툴을 활용한 학습/평가 자동화 경험
- MongoDB(pymongo), DICOM 처리 경험
아래 경험+자격이 있다면 더 좋습니다.
[Preferred Experiences]
- 모듈 단위 디버깅·테스트 코드 설계 경험
- 유지보수성/확장성 고려한 아키텍처 설계 경험
- 모델 정량지표 뿐 아니라 데이터,코드,인프라 등 팀 내 워크플로우에 병목을 찾고 개선하는 경험
- 의료 도메인의 특수성을 고려한 데이터-개발-검증-배포-모니터링-재학습-검증-배포로 이어지는 파이프라인을 신뢰성 있게 설계/운영할 수 있는 역량
- Label noise 처리 및 관리 경험
- 의료영상데이터 및 레이블링 데이터를 효율적으로 조회, 실행계획을 분석 시 주요 조건에 사용되는 컬럼의 인덱스를 설계하여 조인 조건, 응답 컬럼 등을 고려하여 불필요한 테이블 접근 최소화 등에 관심이 있으신 분
지원 시 참고해 주세요!
모집기간 및 채용절차
- 본 포지션은 채용 시 마감됩니다.
- 전문연구요원(현역/보충역) 지원 가능
- 본 포지션은 [서류전형]→[1차(실무진) PT면접] →[온라인인성검사]→[2차(경영진)면접]→[최종합격] 순으로 진행 됩니다.
* 채용 절차 별 상세 내용은 대상자분들에게 별도 안내 드리고 있습니다.
* 온라인 인성검사로 2차 면접 진행 여부가 결정되는 것이 아님을 안내 드립니다.
공통자격
- 해외여행에 결격사항이 없는 분
- 남성은 병역필/면제자 혹은 전문연구요원 편입 가능 대상자
- 취업보호대상자는 관련 법규에 의거하여 우대합니다.
기타사항
- 수습기간 3개월 후 본채용 여부가 결정됩니다.
- 제출한 서류가 사실과 다른 경우 합격(입사)이 취소될 수 있습니다.
- 제출서류는 관계법령에 따라 파기 및 반환합니다.
- 궁금한 점이 있으신 경우 [email protected]로 문의 부탁드립니다.