Starszy inżynier uczenia maszynowego, ML Efficiency

Reddit to społeczność społeczności. Opiera się na wspólnych zainteresowaniach, pasji i zaufaniu i jest domem dla najbardziej otwartych i autentycznych rozmów w Internecie. Każdego dnia użytkownicy Reddita przesyłają, głosują i komentują tematy, które najbardziej ich interesują.

Z ponad 100 000 aktywnych społeczności i około 126 milionami aktywnych unikalnych użytkowników dziennie, Reddit jest jednym z największych internetowych źródeł informacji. Więcej informacji można znaleźć na stronie www.redditinc.com. Reddit ma elastyczną siłę roboczą!

Jeśli mieszkasz w pobliżu jednego z naszych fizycznych biur, nasze drzwi są otwarte, abyś mógł przychodzić do biura tak często, jak chcesz. Nie mieszkasz w pobliżu jednego z naszych biur? Bez obaw: możesz ubiegać się o pracę zdalną w dowolnym kraju, w którym jesteśmy fizycznie obecni.

Informacje o roli Reddit tworzy dedykowaną funkcję Ads ML Efficiency, która sprawi, że trenowanie modeli i wnioskowanie będzie znacznie szybsze, tańsze, bezpieczniejsze i bardziej skalowalne. Ta osoba będzie kluczowym starszym inżynierem w tym zespole, odpowiedzialnym za znaczące prace zwiększające efektywność w systemach szkoleniowych, ścieżkach wnioskowania i obsługi, narzędziach zapewniających gotowość do uruchomienia oraz możliwościach optymalizacji wielokrotnego użytku dla Ads ML. Ta rola leży na styku modelowania uczenia maszynowego, optymalizacji systemów i dźwigni inżynieryjnej.

Inżynier będzie ściśle współpracował z zespołami rankingowymi, właścicielami obsługującymi i platformą ML, aby zidentyfikować ważne wąskie gardła, osiągnąć wymierne korzyści w zakresie wydajności i pomóc w budowaniu mechanizmów, które sprawią, że te zwycięstwa będą powtarzalne. Co będziesz robić Niezależnie twórz wartościowe inicjatywy optymalizacyjne w zakresie szkoleń, wnioskowania i gotowości do uruchomienia w przypadku ważnych obciążeń Ads ML. Diagnozuj wąskie gardła w rzeczywistych systemach produkcyjnych, korzystając z profilowania, testów porównawczych i obserwowalności, a nie debugowania opartego na intuicji.

Twórz narzędzia zwiększające wydajność, podręczniki optymalizacji, punkty zaczepienia, poręcze lub elementy podstawowe zwiększające wydajność, które z czasem pomogą więcej niż jednemu zespołowi lub obciążeniu pracą. Popraw bezpieczeństwo startu i gotowość do zwiększenia wydajności, przyczyniając się do testowania obciążenia, gotowości do pracy awaryjnej, widoczności opóźnień i kosztów oraz pewności operacyjnej w przypadku ciężkich modeli. Współpracuj z właścicielami modeli i zespołami platform, aby opracować pragmatyczne poprawki, pomagając jednocześnie zespołowi w stopniowej standaryzacji powtarzalnych rozwiązań.

Przyczyniaj się do technicznego kierunku zespołu, ujawniając wzorce, kompromisy i możliwości ponownego wykorzystania lub automatyzacji. Wspieraj mniej doświadczonych inżynierów w zakresie kodu, debugowania, rygorystycznych pomiarów i dobrych nawyków wykonawczych. Czego szukamy?

Doświadczenie w systemach Deep ML zbliżone do rzeczywistych modeli produkcyjnych i obciążeń, a nie tylko ogólnej ekspozycji na podczerwień. Bezpośrednie praktyczne doświadczenie poprawiające skuteczność szkoleń lub zapewniające wymierne rezultaty. Dokładna ocena techniczna dotycząca wyborów optymalizacyjnych na poziomie modelu, środowiska wykonawczego i infrastruktury.

Możliwość prowadzenia złożonych projektów od początku do końca i efektywnej współpracy ponad granicami zespołu. Dobry instynkt klienta i platformy: może rozwiązać konkretne wąskie gardła, pamiętając o łatwości konserwacji, adaptacji i ponownym wykorzystaniu w przyszłości. Dobra komunikacja: umiejętność jasnego wyjaśnienia kompromisów inżynierom i zespołom partnerów.

Mile widziane doświadczenie w szkoleniu GPU lub migracji obsługi. Doświadczenie z PyTorch, rozproszonymi frameworkami szkoleniowymi lub optymalizacją jądra/środowiska wykonawczego. Doświadczenie w budowaniu certyfikacji uruchomienia, testów porównawczych wydajności lub systemów obserwacji kosztów.

Doświadczenie w organizacjach, w których obowiązki związane z platformą i modelowaniem stosowanym są podzielone pomiędzy wiele zespołów. Doświadczenie w kompresji modeli lub optymalizacjach wdrażania, takich jak kwantyzacja, przycinanie, destylacja lub optymalizacja punktu kontrolnego. Świadczenia: Kompleksowe świadczenia zdrowotne i programy zastępowania dochodów 401k z Employer Match Globalne programy świadczeń dopasowane do Twojego stylu życia, od miejsca pracy, przez rozwój zawodowy, po wsparcie w opiece Wsparcie planowania rodziny Opieka afirmująca płeć Zdrowie psychiczne i coaching Korzyści Elastyczny urlop i płatny wolontariat Wolny od pracy Hojny płatny urlop rodzicielski Przejrzystość wynagrodzeń: To ogłoszenie o pracę może obejmować więcej niż jeden poziom kariery. Oprócz wynagrodzenia podstawowego osoba na tym stanowisku może otrzymywać kapitał w postaci ograniczonych jednostek magazynowych, a w zależności od oferowanego stanowiska może również kwalifikować się do otrzymania prowizji.

Ponadto Reddit oferuje szeroką gamę świadczeń pracownikom mieszkającym w USA, w tym ubezpieczenie medyczne, dentystyczne i okulistyczne, program 401(k) z dopasowaniem pracodawcy, hojny urlop i urlop rodzicielski. Aby dowiedzieć się więcej, odwiedź https://www.redditinc.com/careers/. Aby zapewnić kandydatom większą przejrzystość, udostępniamy zakresy wynagrodzenia podstawowego dla wszystkich ogłoszeń o pracę w USA, niezależnie od stanu.

Ustalamy standardowe zakresy wynagrodzenia podstawowego dla wszystkich stanowisk w oparciu o funkcję, poziom i lokalizację w kraju, w porównaniu z firmami o podobnym etapie rozwoju. Ostateczna kwota oferty zależy od wielu czynników, w tym umiejętności, głębokości doświadczenia zawodowego oraz odpowiednich licencji/poświadczeń, i może różnić się od kwot wymienionych poniżej. Podstawowy zakres wynagrodzenia na tym stanowisku wynosi: 216 700 - 303 400 USD.

W wybranych rolach i lokalizacjach rozmowy kwalifikacyjne będą nagrywane, transkrybowane i podsumowywane przez sztuczną inteligencję (AI). Będziesz mieć możliwość rezygnacji z nagrywania, transkrypcji i podsumowań przed każdą zaplanowaną rozmową kwalifikacyjną. Podczas rozmowy zbieramy następujące kategorie danych osobowych: dane identyfikacyjne, dane zawodowe i związane z zatrudnieniem, dane sensoryczne (nagranie audio/wideo) oraz wszelkie inne kategorie danych osobowych, które zdecydujesz się nam udostępnić.

Wykorzystamy te informacje do oceny Twojego podania o zatrudnienie lub stanowisko niezależnego wykonawcy, stosownie do przypadku. Nie będziemy sprzedawać Twoich danych osobowych ani ujawniać ich osobom trzecim w celach marketingowych. Usuniemy wszelkie nagrania rozmowy kwalifikacyjnej niezwłocznie po podjęciu decyzji o zatrudnieniu.

Więcej informacji o tym, jak będziemy postępować z Twoimi danymi osobowymi, w tym o ich przechowywaniu, znajdziesz w naszej Polityce prywatności kandydatów dla potencjalnych pracowników i wykonawców. Reddit jest dumny z tego, że jest pracodawcą zapewniającym równe szanse i angażuje się w budowanie siły roboczej reprezentującej różnorodne społeczności, którym służymy. Reddit stara się zapewniać rozsądne udogodnienia wykwalifikowanym osobom niepełnosprawnym i niepełnosprawnym weteranom w ramach naszych procedur ubiegania się o pracę.

Jeśli ze względu na niepełnosprawność potrzebujesz zakwaterowania podczas rozmowy kwalifikacyjnej, poinformuj o tym swojego rekrutera. Aplikuj bezpośrednio na RemoteJobs.org: https://remotejobs.org/remote-jobs/senior-machine-learning-engineer-ml-efficiency-reddit