Backend & Scientific Data Engineer

About

Backend & Scientific Data Engineer
AI와 실험을 연결하는 데이터 시스템을 함께 설계할 엔지니어를 찾습니다

DFRN은 DNA, Protein sequence 기반 AI를 활용하여 특정 물질에 선택적으로 결합하거나 반응하는 단백질을 설계하고, 이를 실험으로 검증, 강화하여 미래 전략 자원의 회수하는 테크 기업입니다.
우리는 단순히 AI 모델만 개발하는 팀도, 실험만 수행하는 바이오 연구팀도 아닙니다.
AI가 단백질 후보를 설계하고, In-silico 분석과 Wet-lab 실험을 통해 성능을 검증하며, 그 결과가 다시 데이터로 축적되어 다음 물질의 성능을 높이는 순환 구조를 만들고 있습니다. 그리고 이는 곧 보다 더 희소한 자원을 회수하는 엔진이 됩니다.

이 과정에서 가장 중요한 것은 AI 설계 데이터와 실제 실험 사이에 흩어진 데이터를 연결하는 일입니다.

DFRN은 이제 초기 단계의 연구 데이터를 체계적으로 축적하고, 분석하며, 다시 AI 학습에 활용할 수 있는 시스템을 구축하고자 합니다. 이를 위해 백엔드 개발 역량을 바탕으로 연구 데이터를 직접 들여다보고, 데이터에서 의미 있는 패턴과 인사이트를 발견할 수 있는 Backend & Scientific Data Engineer를 찾습니다.

이미 만들어진 시스템을 유지하는 역할이 아닙니다.

연구자, AI 엔지니어와 함께 질문을 정의하고, 데이터를 구조화하며, DFRN의 AI와 실험이 더 빠르게 진화할 수 있는 기반을 처음부터 만들어가는 역할입니다.

DFRN에서 얻게 될 경험
1. AI와 바이오가 실제로 연결되는 과정을 경험합니다
논문이나 예제 데이터가 아닌 실제 단백질 설계 및 실험 데이터를 다루며, 자신이 만든 시스템과 분석 결과가 다음 AI 모델과 실험 설계에 반영되는 과정을 직접 확인할 수 있습니다.

2. 초기 데이터 시스템을 직접 설계합니다
정해진 구조 안에서 일부 기능만 개발하는 것이 아니라, 어떤 데이터를 어떻게 축적하고 연결해야 하는지부터 함께 결정합니다. DFRN의 핵심 기술 인프라가 만들어지는 초기 과정에 깊이 참여할 수 있습니다.

3. 개발을 넘어 연구 문제를 해결합니다
단순히 요청받은 기능을 구현하는 데 그치지 않습니다. 데이터를 분석하여 연구팀이 놓친 패턴을 발견하고, 더 나은 실험과 모델 개발 방향을 함께 제안하게 됩니다.

4. 여러 분야의 경계를 넘나들며 성장합니다
백엔드, 데이터 엔지니어링, 데이터 분석, AI, 바이오 연구가 하나의 문제를 중심으로 연결되는 경험을 할 수 있습니다. 현재의 전공이나 직무에 자신을 한정하지 않고 새로운 영역에 도전하고 싶은 분에게 적합한 자리입니다.

우리가 함께 풀고자 하는 문제
미래 산업에 필요한 전략 자원의 공급망 불확실성이 커지고 있습니다.
DFRN은 AI로 특정 물질에 선택적으로 결합하는 단백질을 설계하고, 이를 활용해 폐자원 속 희토류 등 전략 자원을 고순도로 회수하는 기술을 개발하고 있습니다.

아직 누구도 완전한 정답을 만들지 못한 문제입니다.
그래서 우리는 이미 완성된 경력보다, 어려운 문제에 질문을 던지고 자신의 기술로 답을 만들어가는 사람을 찾습니다.
“아직 경험이 부족하다”는 이유보다, “이 문제라면 한번 도전해 보고 싶다”는 마음이 더 중요합니다.

지원 시 함께 알려주세요
정형화된 자기소개서보다 아래 내용을 자유롭게 알려주세요.
• 직접 개발하거나 분석해 본 프로젝트 한 가지
• 프로젝트에서 마주한 가장 어려운 문제와 이를 해결한 방법
• 데이터를 분석하여 새로운 사실이나 패턴을 발견했던 경험
• DFRN에서 직접 만들어보고 싶은 시스템 또는 해결해보고 싶은 문제

좋은 백엔드를 만드는 것을 넘어, AI와 실험 데이터가 실제 연구 성과로 이어지는 시스템을 만들고 싶다면 DFRN과 이야기 나누고 싶습니다.

아직 존재하지 않는 기술의 기반을, 우리와 함께 만들어주세요.

Responsibilities

• 단백질 설계, In-silico 분석, Wet-lab 실험에서 발생하는 데이터를 수집하고 연결하는 백엔드 API 및 데이터베이스 설계
• 실험 조건, 단백질 서열, 구조 예측값, 결합 성능 등 서로 다른 형태의 연구 데이터를 표준화하고 관리하는 데이터 구조 구축
• Python, SQL 등을 활용한 데이터 전처리, 정제, 통합 및 탐색적 데이터 분석
• 실험 결과의 경향성, 변수 간 관계 및 이상값을 분석하고 시각화하여 연구팀의 의사결정 지원
• 분석 결과를 바탕으로 다음 실험과 AI 모델 고도화에 필요한 데이터 및 가설 제안
• AI 연구팀과 협업하여 학습 데이터 파이프라인, 모델 실행 환경 및 결과 관리 구조 구축
• 로컬 GPU 워크스테이션과 클라우드 환경을 연결하는 연구 인프라 설계 및 운영
• 연구자와 AI 엔지니어가 데이터를 쉽게 조회하고 활용할 수 있는 내부 도구 개발

Requirements

모든 요건을 갖추지 않아도 괜찮습니다. 아래 역량 중 일부를 보유하고 있으며, 새로운 기술을 빠르게 학습하고 실제 문제에 적용하는 과정에 흥미가 있다면 지원해 주세요.
• Python을 활용한 프로그램 또는 서비스를 직접 개발해 본 분
• SQL을 활용하여 데이터를 조회하고 가공할 수 있는 분
• pandas, NumPy 등을 활용한 데이터 전처리 및 기초 분석이 가능한 분
• 데이터의 분포와 변수 간 관계를 살펴보고, 결과를 시각화하여 설명할 수 있는 분
• Linux 환경과 Git을 활용한 개발 경험이 있는 분
• API, 데이터베이스, 서버 구조에 대한 기본적인 이해가 있는 분
• 정답이 정해지지 않은 문제를 스스로 구조화하고 해결하는 과정을 즐기는 분
• 전공이 다른 연구자들과 적극적으로 소통하고, 기술적인 내용을 쉽게 설명할 수 있는 분

Preferred

이런 경험이 있다면 더욱 좋습니다
• 바이오인포매틱스, 계산생물학, 생명과학, 화학, 환경, 소재 분야 데이터를 다뤄본 경험
• 통계 분석, 머신러닝 또는 시계열 데이터 분석 경험
• Streamlit, Plotly, Tableau 등을 활용한 데이터 시각화 또는 대시보드 구축 경험
• FastAPI, Django, Flask 등을 활용한 백엔드 개발 경험
• PostgreSQL, MySQL 등 관계형 데이터베이스 설계 경험
• AWS 또는 Azure 기반 클라우드 환경 활용 경험
• Docker 기반 개발 및 배포 경험
• AI 모델 서빙, MLOps 또는 데이터 파이프라인 구축 경험
• 개인 프로젝트, 연구 프로젝트, 해커톤 등을 통해 실제 문제를 끝까지 해결해 본 경험

Benefits

지원 및 근무 환경
• 유연한 근무 환경
• 업무 장비 및 개발 환경 지원
• 클라우드, 서버 및 데이터 인프라 예산 지원
• 점심 지원
• 업무 관련 도서 구매 지원
• 학회, 컨퍼런스 및 교육 참가 지원
• 성과에 따른 인센티브 및 스톡옵션 검토