Starszy inżynier uczenia maszynowego, rzecznictwo programistów | Kanada | Zdalny

Grafana Labs, firma stojąca za otwartą chmurą obserwowalności, opiera się na zasadach open source, otwartych standardach, otwartych ekosystemach i otwartej kulturze. Grafana Cloud, nasza w pełni zarządzana platforma obserwowalności, jest elastyczna i zbudowana z myślą o skali. Dzięki naprawdę przydatnej sztucznej inteligencji Grafana Cloud organizacje mogą widzieć, rozumieć i wykorzystywać wszystkie swoje odmienne dane, aby działać z szybkością swoich ambicji.

Obecnie ponad 35 milionów użytkowników i ponad 7000 klientów - w tym Anthropic, Bloomberg, NVIDIA, Microsoft i Salesforce - ufa Grafana Labs w zakresie zapewniania niezawodności swoich aplikacji i systemów, szybkiego rozwiązywania incydentów i optymalizacji telemetrii w celu zmniejszenia hałasu i kosztów. Jesteśmy firmą w pełni zdalną, zatrudniającą ponad 1600 członków zespołu w ponad 40 krajach i wspierają nas wiodący inwestorzy, w tym Lightspeed Venture Partners, Sequoia Capital, GIC, Coatue, J.P. Morgan, CapitalG i Lead Edge Capital.

Dowiedz się więcej na grafana.com i śledź nas na LinkedIn i X. Szybko się rozwijamy i pozostajemy wierni temu, co nas wyróżnia: dziedzictwu open source, globalnej kulturze współpracy i pasji do znaczącej pracy. Nasz zespół rozwija się w środowisku opartym na innowacjach, w którym przejrzystość, autonomia i zaufanie napędzają wszystko, co robimy.

Możesz nie spełniać wszystkich wymagań i to jest w porządku. Jeśli ta rola Cię ekscytuje, będzie nam miło, jeśli podniesiesz rękę w sprawie szansy, która naprawdę zadecyduje o Twojej karierze. Starszy inżynier ML ds. systemów rekomendujących, rzecznictwo programistów | Kanada | Zdalne Jest to stanowisko całkowicie zdalne i rozważamy kandydatów z Kanady.

Szansa: Grafana Labs tworzy interaktywny system nauczania, narzędzie do nauki w ramach produktu typu open source, które pomaga użytkownikom uczyć się i odnosić sukcesy bez opuszczania Grafany. Centralną częścią tej wizji jest spersonalizowany system rekomendacji, który pomaga każdemu użytkownikowi odkryć kolejny przewodnik, działanie lub doświadczenie z produktem, które najprawdopodobniej pomoże mu odnieść sukces. Obecnie narzędzie do interaktywnego uczenia się zawiera oparty na regułach silnik rekomendacji, który zapewnia przydatne rekomendacje kontekstowe.

Zatrudniamy inżyniera ML, aby poprowadził jego ewolucję w coraz bardziej spersonalizowany, stale udoskonalany system oparty na zachowaniu produktów w czasie rzeczywistym, metadanych treści, kontekście klienta i eksperymentach. Jest to rola stosowana w zakresie analityki danych o produktach. Będziesz osobiście budować, wdrażać i obsługiwać modele rekomendacji, projektować eksperymenty, ustalać metodologię oceny i definiować naukowy plan działania.

Będziesz ściśle współpracować z inżynierami oprogramowania, którzy są właścicielami bazy kodu rekomendującego produkcję, oraz z istniejącym analitykiem danych, który wspiera pomiary, instrumentację i analizy w ramach wspierania programistów. Co będziesz robić: długoterminowa wizja jest ambitna, ale nie spodziewamy się, że pojawi się w jednym wydaniu. Poszukujemy kogoś, kto zrozumie cały problem, stworzy mocne podstawy i wprowadzi mierzalne ulepszenia do istniejącego rekomendatora, jedna iteracja na raz.

System rekomendacji Evolve Pathfinder Opracuj coraz bardziej spersonalizowane podejście do wyboru kandydatów, rankingu, kolejności i rekomendacji kolejnych najlepszych działań. Będziesz właścicielem usługi rekomendacji w czasie rzeczywistym. Buduj i obsługuj stosowane modele.

Opracowuj, sprawdzaj, wersjonuj, monitoruj i iteruj modele używane przez system rekomendacji. Będziesz właścicielem szkoleń i udostępniania modeli. Zdefiniuj, co oznacza jakość rekomendacji.

Opracuj offline, online i podłużne miary wydajności rekomendacji. Będziesz właścicielem potoków funkcji, monitorowania modelu i architektury. Dostarczaj stopniowe ulepszenia.

Korzystaj z dostępnych dziś danych i infrastruktury, identyfikując możliwości oprzyrządowania i platformy potrzebne w przyszłości. Zintegruj ulepszenia z istniejącym systemem rekomendującym, zamiast czekać na kompletny system zastępczy. Partner międzybranżowy Ściśle współpracuj z inżynierami oprogramowania i analitykami danych, aby tworzyć modele i bezpiecznie integrować je z usługą rekomendującą.

Współpracuj z zespołem ds. analityki produktu w zakresie definicji metryk, oprzyrządowania, jakości danych, pulpitów nawigacyjnych i analizy eksperymentów. Współpracuj z działem Developer Advocacy, Dokumentami, Produktem, Inżynierią, GTM i innymi zespołami, aby przełożyć niejednoznaczne potrzeby na sprawdzalne hipotezy i wymierne decyzje dotyczące produktu. Wyjaśnij jasno wybory dotyczące modelowania, kompromisy, niepewność i wyniki, zarówno odbiorcom technicznym, jak i nietechnicznym.

Co sprawia, że ​​świetnie pasujesz: Wiemy, że rzadko można znaleźć wszystko. Silni kandydaci powinni wykazywać się wiarygodnymi zdolnościami we wszystkich trzech kluczowych obszarach wymienionych poniżej i być szczególnie silni w co najmniej dwóch. Nauka o rekomendacjach i personalizacji: zbudowałeś systemy rekomendacji, rankingów, wyszukiwania, dopasowywania, skłonności lub następnego najlepszego działania.

Bez problemu zaczynasz od prostych, łatwych do wytłumaczenia podejść, jeśli są one najlepszym sposobem na naukę. HTTP/gRPC, przesyłanie strumieniowe, Go/TypeScript, wcześniejsze doświadczenia w systemach rozproszonych. Własność modelu stosowanego.

Osobiście zbudowałeś, zweryfikowałeś, monitorowałeś i poddawałeś iteracji modele używane w produkcie lub środowisku operacyjnym. Możesz efektywnie pracować w bazach kodu z kontrolą wersji i współpracować z inżynierami przy wdrażaniu produkcyjnym. Powinieneś także dobrze myśleć o produkcie i komunikować się technicznie.

Można postawić sobie ambitny i niejednoznaczny cel, zidentyfikować najważniejsze niewiadome i stworzyć ciąg modeli i eksperymentów, które stale udoskonalają produkt. Punkty premiowe za: Doświadczenie w zakresie treści, edukacji, wdrażania lub systemów rekomendacji edukacyjnych Doświadczenie z telemetrią produktów SaaS i danymi kont klientów Doświadczenie w korzystaniu z danych behawioralnych na skalę hurtowni Doświadczenie z ukierunkowanymi wykresami, modelami sekwencji lub rekomendacjami uwzględniającymi wymagania wstępne Doświadczenie z bandytami kontekstowymi lub innymi strategiami eksploracji Znajomość Grafany lub szerszego ekosystemu obserwowalności Doświadczenie z oprogramowaniem typu open source lub przejrzystymi praktykami programistycznymi Doświadczenie w pracy z ograniczeniami dotyczącymi prywatności, uczciwości, wyjaśnialności lub odpowiedzialnej personalizacji Wynagrodzenie i Nagrody: W Kanadzie podstawowy zakres wynagrodzenia na tym stanowisku wynosi od 164 490 USD do 197 389 USD. Rzeczywiste wynagrodzenie może się różnić w zależności od poziomu, doświadczenia i umiejętności ocenianych podczas rozmowy kwalifikacyjnej.

Wszystkie nasze role obejmują jednostki zapasów o ograniczonym dostępie (RSU), dzięki czemu każdy członek zespołu ma udział w sukcesie Grafana Labs. Wierzymy we wspólne wyniki - jednostki RSU pomagają nam zachować równowagę i inwestować w miarę globalnej skali. *Zakresy wynagrodzeń zależą od kraju. Jeśli aplikujesz na to stanowisko z innej lokalizacji niż wymieniona powyżej, Twój rekruter omówi na początku procesu zakres wynagrodzeń i korzyści określone dla Twojego konkretnego rynku.

Dlaczego odniesiesz sukces w Grafana Labs: 100% zdalna, globalna kultura - jako firma działająca wyłącznie zdalnie, skupiamy talenty z całego świata, których łączy kultura współpracy i wspólny cel. Skalowanie organizacji - podejmuj się znaczącej pracy w dynamicznie rozwijającym się, stale rozwijającym się środowisku. Przejrzysta komunikacja - oczekuj otwartego podejmowania decyzji i regularnych aktualizacji w całej firmie.

Oparta na innowacjach - autonomia i wsparcie w dostarczaniu świetnych prac i próbowaniu nowych rzeczy. Open Source Roots - Zbudowane na wartościach kierowanych przez społeczność, które kształtują sposób, w jaki pracujemy. Wzmocnione zespoły - wysokie zaufanie i kultura niskiego ego, która przedkłada wyniki nad optykę. Ścieżki rozwoju kariery - zdefiniowane możliwości rozwoju i rozwoju kariery.

Przystępne przywództwo - przejrzyści dyrektorzy, którzy są zaangażowani, widoczni i ludzcy. Ludzie z pasją - Dołącz do zespołu inteligentnych, wspierających ludzi, którzy bardzo dbają o to, co robią. Wdrożenie osobiście - chcemy, abyś od pierwszego dnia rozwijał się wraz z innymi, nowymi „Grafanistami”, aby dowiadywali się wszystkiego o tym, co i jak robimy.

Równowaga jest kluczem - stosujemy globalną politykę corocznego urlopu wynoszącą 30 dni w roku. 3 dni Twojego rocznego urlopu są zarezerwowane na Dni przestoju Grafana, aby umożliwić zespołowi naprawdę odłączenie się. *W stosownych przypadkach będziemy przestrzegać lokalnych przepisów. Pracodawca zapewniający równe szanse: Grafana Labs jest pracodawcą zapewniającym równe szanse.

Przyjmujemy zgłoszenia od wszystkich, bez względu na rasę, kolor skóry, narodowość, pochodzenie, kastę, płeć, tożsamość lub ekspresję związaną z zmianą płci, orientację seksualną, wiek, religię lub przekonania, niepełnosprawność, status weterana, informacje genetyczne, ciążę, macierzyństwo, stan cywilny, stan rodzinny lub opiekuna, a także jakąkolwiek inną cechę chronioną przez lokalne prawo. Wierzymy, że równość i różnorodność budują silną organizację i ciężko pracujemy, aby było to podstawą naszej organizacji w miarę jej rozwoju. Grafana Labs może wykorzystywać w procesie rekrutacji narzędzia AI, aby pomóc w dopasowaniu informacji podanych w CV do ofert pracy.

Zespół rekrutacyjny będzie w dalszym ciągu ręcznie przeglądał przychodzące CV, aby określić ich zgodność z bieżącymi ofertami pracy. #LI-Remote Aby uzyskać informacje na temat sposobu wykorzystania Twoich danych osobowych po aplikacji na stanowisko, zapoznaj się z naszą polityką prywatności. Aplikuj bezpośrednio na RemoteJobs.org: https://remotejobs.org/remote-jobs/senior-machine-learning-engineer-developer-advocacy-canada-remote-grafana-labs