알렉스 모건
머신러닝 엔지니어
- 알렉스.모건@이그잼플.컴
- +1 555 0100
- Denver, CO
요약
B2B 커머스 제품의 순위 산정 및 예측 시스템을 구축해 온 7년 경력의 머신러닝 엔지니어입니다. Python과 PyTorch를 활용한 모델 개발, 피처 파이프라인 설계, Kubernetes 배포를 오프라인 및 온라인 평가와 함께 수행하며, 하루 200만 건의 추천 요청을 처리하는 서비스를 출시했습니다.
경력
Cedarpath Commerce 머신러닝 엔지니어 II, Denver, CO (2022 – 현재)
- 세션 및 카탈로그 피처를 사용하는 PyTorch 순위 산정 모델을 구축해 120만 건의 세션을 대상으로 한 통제 실험에서 장바구니 추가율을 6% 높였습니다.
- Kubernetes에 추천 서비스를 배포하고 MLflow 추적을 포함한 배치 스코어링을 추가해 p95 응답 시간을 180ms에서 125ms로 줄였습니다.
- 프로덕션 피처 14개의 검증과 드리프트 알림을 자동화해 주간 모델 배포 전에 팀이 데이터 문제를 조사할 수 있도록 지원했습니다.
Summitline Analytics 머신러닝 엔지니어, Boulder, CO (2019 – 2022)
- 3년간의 판매 데이터로 scikit-learn 수요 예측 모델을 학습시켜 기존 계절 기준 모델보다 평균 절대 오차를 9% 줄였습니다.
- 고객사 5곳의 배포에 재사용할 수 있는 Python 및 SQL 피처 파이프라인을 구축해 모델 갱신 준비 시간을 이틀에서 약 하루로 줄였습니다.
학력
컴퓨터 과학 이학사 — Juniper Ridge University, Grand Junction, CO (2018)
기술
- Python
- SQL
- PyTorch
- scikit-learn
- 피처 엔지니어링
- 모델 평가
- Kubernetes
- MLflow
- Docker
- A/B 테스트
도구
• Python, SQL, PyTorch, scikit-learn
• MLflow, Docker, Kubernetes
• Apache Spark, Airflow
주요 프로젝트
• 문장 임베딩과 PyTorch를 사용해 상품 검색용 검색 및 재순위화 프로토타입을 개발했습니다.
• 라벨이 지정된 쿼리 8,000건으로 관련성과 지연 시간을 비교했습니다.
• 평가 결과와 배포 시 고려 사항을 문서화했습니다.