Główny inżynier 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. Rola Jako główny inżynier ds. uczenia maszynowego masz wysoką władzę techniczną odpowiedzialną za projektowanie i rozwijanie najważniejszych systemów uczenia maszynowego w firmie.

Działasz w zakresie szkolenia, wnioskowania, oceny i infrastruktury, rozwiązując najtrudniejsze problemy dotyczące architektury i wydajności. Chociaż Liderzy Techniczni mogą kierować realizacją na poziomie zespołu, Ty ustalasz standardy techniczne i kształtujesz sposób budowania systemów ML w całej organizacji. Jest to praktyczna rola wywierająca duży wpływ, skupiająca się na głębi.

Skupienie się na projektowaniu i budowaniu wielkoskalowych systemów ML obejmujących dane, szkolenia, ocenę, wnioskowanie i wdrażanie. - Projektuj powtarzalne, wysokowydajne potoki szkoleniowe w całej infrastrukturze GPU. - Projektuj systemy wnioskowania, które równoważą opóźnienia, przepustowość, koszty i niezawodność na dużą skalę. - Projektuj i utrzymuj systemy danych dla wysokiej jakości syntetycznych i rzeczywistych danych szkoleniowych. - Wdrażaj kanały oceny obejmujące wydajność, solidność, bezpieczeństwo i stronniczość, we współpracy z kierownictwem badań. - Własne wdrożenie produkcyjne, w tym optymalizacja GPU, wydajność pamięci, redukcja opóźnień i zasady skalowania. - Ściśle współpracuj z inżynierami aplikacji, aby sprawnie integrować systemy ML z produktami backendowymi, mobilnymi i stacjonarnymi. - Szybko dokonuj pragmatycznych kompromisów i ulepszaj statki, ucząc się na podstawie rzeczywistego użytkowania. - Praca przy rzeczywistych ograniczeniach produkcyjnych: opóźnienia, koszty, niezawodność i bezpieczeństwo. Wymagania - Solidna wiedza z zakresu głębokiego uczenia się i architektur opartych na transformatorach. - Praktyczne szkolenia, dostrajanie lub wdrażanie wielkoskalowych modeli uczenia maszynowego w środowisku produkcyjnym. - Biegłość w co najmniej jednym nowoczesnym frameworku ML (np. PyTorch, JAX) i umiejętność szybkiego uczenia się innych. - Doświadczenie z rozproszonymi frameworkami do szkolenia i wnioskowania (np.

DeepSpeed, FSDP, Megatron, ZeRO, Ray). - Solidne podstawy inżynierii oprogramowania - piszesz solidne, łatwe w utrzymaniu systemy klasy produkcyjnej. - Doświadczenie w optymalizacji GPU, w tym wydajności pamięci, kwantyzacji i mieszanej precyzji. - Komfort posiadania niejednoznacznych, kompleksowych systemów uczenia maszynowego typu „zero do jednego”. - Nastawienie na wysyłkę, szybkie uczenie się i ulepszanie systemów poprzez iterację. Idealne doświadczenie - doświadczenie ze frameworkami wnioskowania LLM, takimi jak vLLM, TensorRT-LLM lub FasterTransformer. - Wkład w biblioteki ML lub systemy typu open source. - Znajomość obliczeń naukowych, kompilatorów lub jąder GPU. - Doświadczenie w pracy z rurociągami RLHF (PPO, DPO, ORPO). - Doświadczenie w szkoleniu lub wdrażaniu modeli multimodalnych lub rozproszonych. - Doświadczenie w przetwarzaniu danych na dużą skalę (Apache Arrow, Spark, Ray). Wyniki - Systemy ML (szkolenie, wnioskowanie, ocena) są niezawodne, skalowalne i spełniają określone cele wydajnościowe. - Modele wdrożone w środowisku produkcyjnym osiągają wymierną poprawę jakości i spełniają cele związane z wpływem na użytkownika. - Problemy produkcyjne są aktywnie monitorowane, debugowane i rozwiązywane dzięki przejrzystej analizie przyczyn źródłowych. - Współpracownicy zespołowi i międzyfunkcyjni korzystają z jasnych wskazówek, najlepszych praktyk i skalowalnych rozwiązań ML. - Cykle od badań do produkcji są wydajne, bezpieczne i stale poprawiają jakość produktu.

Jak pracujemy Najlepsze obecnie produkty na świecie zostały zbudowane przez małe, światowej klasy zespoły. Jesteśmy zespołem o dużej gęstości talentów i praktycznym zespole. Podejmujemy decyzje wspólnie, działamy z dużą szybkością, zachowując równowagę pomiędzy dostarczaniem wysokiej jakości pracy i nauką.

Dołączenie do naszego zespołu wymaga umiejętności tworzenia struktury, wydawania osądów i niezależnego działania. Naszym celem jest oddanie w ręce naszych użytkowników prawdziwie magicznego produktu. Proces rozmowy kwalifikacyjnej.

Jeśli okaże się, że pasujemy, umówimy się na 3, ale nie więcej niż 4 rozmowy kwalifikacyjne. Wnioski są oceniane przez członków naszego zespołu technicznego. Rozmowy kwalifikacyjne będą prowadzone w formie spotkań wirtualnych i/lub na miejscu.

Cenimy przejrzystość i efektywność, dlatego spodziewaj się szybkiej decyzji. Jeśli wykazałeś się wyjątkowymi umiejętnościami i nastawieniem, którego szukamy, przedłużymy ofertę dołączenia do nas. To nie jest tylko oferta pracy; to zaproszenie do bycia częścią zespołu, który zapewnia sztuczną inteligencję, aby zapewnić praktyczne korzyści miliardom na całym świecie.

Aplikuj bezpośrednio na RemoteJobs.org: https://remotejobs.org/remote-jobs/principal-machine-learning-engineer-bjak-himalayas.app-companies-bjak-jobs-principal-machine-learning-engineer-*** *** 39