Inżynier platformy uczenia maszynowego

Informacje o A1 Obecnie ponad 5 miliardów użytkowników korzysta z podstawowych aplikacji, takich jak poczta e-mail, notatki i zadania, które nie są natywne dla sztucznej inteligencji. Naszą misją jest zbudowanie proaktywnego inteligentnego asystenta dla codziennych użytkowników, który wniesie inteligencję do rozmów, spraw, organizacji i przepływów pracy przy minimalnym wsparciu. Nasz produkt koncentruje się na osiągnięciu wysokiej niezawodności w przypadku długotrwałych przepływów pracy, trwałego kontekstu i realizacji zadań w świecie rzeczywistym.

System musi obsługiwać rozumowanie wieloetapowe, współdziałać z narzędziami zewnętrznymi i pozostać niezawodny pomimo niedeterministycznego zachowania modelu. Naszym celem jest pomoc użytkownikom w wykonywaniu codziennych zadań z przyjemnością przy ponad ~90%* skróceniu czasu. O roli Jako inżynier platformy ML będziesz budować infrastrukturę i systemy, które wspierają możliwości AI firmy A1.

Będziesz projektować i obsługiwać systemy stojące za stosem sztucznej inteligencji, od szkolenia i oceny modeli po wdrożenie, wnioskowanie, obserwowalność i ciągłe doskonalenie. Będziesz ściśle współpracować z inżynierami, badaczami i inżynierami produktów zajmującymi się sztuczną inteligencją, aby przekształcić modele w niezawodne, skalowalne i opłacalne systemy produkcyjne. Zbudujesz platformy, narzędzia i infrastrukturę, które umożliwią zespołowi szybkie eksperymentowanie i pewne wprowadzanie możliwości sztucznej inteligencji do produkcji.

Koncentracja - Budowanie i obsługa infrastruktury ML oraz platform obsługujących produkty AI A1 - Projektowanie systemów do uczenia modeli, oceny, wdrażania, wnioskowania i eksperymentowania - Budowanie i optymalizacja infrastruktury do obsługi modeli i wnioskowania dla obciążeń o dużej przepustowości i małych opóźnieniach - Poprawa niezawodności, skalowalności, opóźnień i efektywności kosztowej systemów AI - Opracowywanie niezawodnych potoków przygotowania danych, szkolenia, oceny, wydawania modeli i ciągłego doskonalenia - Tworzenie platform i narzędzi, które umożliwiają inżynierom i badaczom AI eksperymentowanie, ocenę i wysyłanie szybsze modele - Rozwijaj infrastrukturę do oceny i testów porównawczych w celu pomiaru jakości, wydajności i regresji modelu - Buduj obserwowalność produkcji, monitorowanie, śledzenie i ostrzeganie w przypadku obciążeń AI/ML - Ulepszaj systemy AI pod kątem niezawodności, skalowalności, opóźnień, przepustowości i kosztów - Identyfikuj wąskie gardła w stosie ML i stale poprawiaj wydajność systemu - Ściśle współpracuj z inżynierami AI, badaczami i zespołami produktowymi, aby przekształcić zmieniające się wymagania modeli w infrastrukturę gotową do produkcji Tech Stack - Python - PyTorch / JAX - Infrastruktura obsługująca LLM i ML, taka jak vLLM, SGLang lub TensorRT-LLM - Infrastruktura chmurowa - Systemy rozproszone - ML/potoki danych i orkiestracja przepływu pracy - Infrastruktura GPU i narzędzia zwiększające wydajność - Wektorowe bazy danych i infrastruktura wyszukiwania Idealne doświadczenie - Solidne podstawy inżynierii oprogramowania i budowanie doświadczenia w systemach produkcyjnych - Doświadczenie w budowaniu infrastruktury ML, platform lub produkcyjnych systemów uczenia maszynowego - Doświadczenie we wdrażaniu modeli, wnioskowaniu, ocenie lub potokach danych - Dobre zrozumienie systemów rozproszonych i niezawodności systemów - Umiejętność pisania czysty, łatwy w utrzymaniu kod o jakości produkcyjnej - Wygodna praca w niejednoznacznych, szybko zmieniających się środowiskach - Skłonność do własności, eksperymentowania i ciągłego doskonalenia Wyniki - Infrastruktura AI niezawodnie obsługuje obciążenia produkcyjne na dużą skalę - Modele można szkolić, oceniać, wdrażać i efektywnie ulepszać - Systemy wnioskowania zapewniają duże opóźnienia, przepustowość, niezawodność i efektywność kosztową - Potoki uczenia maszynowego są odtwarzalne, obserwowalne, łatwe w utrzymaniu i solidne - Regresje modelu i infrastruktury są szybko wykrywane i diagnozowane wydajnie - Wspólne funkcje infrastruktury ML stają się prymitywami platform wielokrotnego użytku, a nie są przebudowywane dla każdego produktu AI - Stos sztucznej inteligencji może szybko ewoluować w miarę pojawiania się nowych modeli, architektur i technik wnioskowania Aplikuj bezpośrednio na RemoteJobs.org: https://remotejobs.org/remote-jobs/machine-learning-platform-engineer-bjak-himala