Starszy inżynier ML

O roli Zatrudnimy starszego inżyniera ML, który będzie właścicielem zespołu danych produkcyjnych systemów agentów ML i AI. Będziesz przenosić modele od prototypu do produkcji, budować i utrzymywać interfejs ML API o niskim opóźnieniu, który napędza nasz silnik Next Best Action (NBA), i współpracować z naszym zespołem HAL, aby dostarczać agentów LLM, którzy zamieniają rekomendacje NBA w prawdziwe rozmowy z członkami i partnerami kas oszczędnościowo-kredytowych. To jest rola konstruktora w momencie konstruktora: NBA rozpoczyna działalność, infrastruktura agentów jest obecnie kształtowana, a Ty określisz, w jaki sposób Clutch będzie obsługiwać produkcyjną sztuczną inteligencję na nadchodzące lata.

Informacje o zespole Zespół Data składa się obecnie z pięciu osób: jednego analityka danych, dwóch inżynierów danych, jednego analityka danych i jednego menedżera produktu. Jesteśmy mali, ambitni i szybko dostarczamy produkty - dwa modele ML trafiają do produkcji, tworzony jest interfejs ML API, a dwóch agentów AI (jeden skierowany do klienta, jeden do partnera) jest w fazie aktywnego rozwoju. Będziesz starszym głosem technicznym ds. inżynierii uczenia maszynowego i sztucznej inteligencji w zespole oraz pomostem do HAL, zespołu ds. platformy, który tworzy środowisko wykonawcze agentów Clutch.

Spodziewaj się ścisłej wymiany informacji zwrotnych, prawdziwej autonomii i zespołu, dla którego pragmatyzm jest ważniejszy od czystości. Co będziesz robić W ciągu 3 miesięcy: przejmiesz na własność interfejs ML API obsługujący rekomendacje NBA, współpracując z inżynierem danych, który go tworzy, i wzmocnisz go pod kątem ruchu produkcyjnego o małych opóźnieniach. Dostarczasz kompleksową umowę dotyczącą pierwszego agenta: projekt schematu, implementacja procedury obsługi, umowa dotycząca błędów strukturalnych, testy jednostkowe, wdrażanie za pośrednictwem warstw HAL. runtimeSkonfiguruj podstawy ewaluacji dla naszych agentów: złote transkrypcje, oceny oparte na rubrykach, zestawy regresji działające po każdym monitie lub zmianie modelu.

Zbuduj relację roboczą z HAL i stań się osobą, do której zespół ds. danych będzie podejmował decyzje dotyczące infrastruktury agentów. W ciągu 6 miesięcy: będziesz głównym właścicielem (ze wsparciem inżyniera danych) interfejsu ML API i warstwy narzędzi agenta obejmującej NBA i nasze modele ML. dla partnerów) z szybkim wersjonowaniem, ewaluacją, obserwowalnością i bramkowaniem dla wielu dzierżawców. Zdefiniuj podręcznik zespołu danych dotyczący dostarczania nowego modelu uczenia maszynowego jako narzędzia umożliwiającego wywołanie LLM.

Kompleksowo doradzaj inżynierom danych w zakresie wzorców ML/AI, aby mogli z pewnością wspierać i rozszerzać posiadane systemy. W ciągu 9 miesięcy będziesz: Pełnić funkcję kierownika technicznego w zespole danych ds. sztucznej inteligencji produkcyjnej NBA w firmie Clutch? osoba, do której zwracają się inne zespoły, gdy chcą zrozumieć, w jaki sposób NBA odpowiedzialnie dostarcza ML i agentów Wymiernie zmniejszyli koszty i opóźnienia agentów (cel: ponad 30% redukcja opóźnień P95 lub kosztu rozmowy w przypadku co najmniej jednego agenta) Kształtuj plan działania zespołu danych dla następnej generacji produktów ML i AI, we współpracy z kierownikiem projektu i analitykiem danych Pomóż nam zdecydować, kogo zatrudnić w następnej kolejności, gdy zespół będzie skalował Co będziesz robić Wymagane: ponad 7 lat doświadczenia inżynierskiego, z udokumentowanym doświadczeniem w budowaniu i dostarczaniu produkcyjnych systemów ML - przenosisz modele od prototypu do produkcji i masz kontrolę nad tym, co dzieje się po wdrożeniuStrong Python - większość pracy (szkolenia ML, ocena, API ML, potoki danych) jest wykonywana w Pythonie i swobodnie radzisz sobie z produkcyjnymi bazami kodu, a nie tylko z notatnikami. Do kontraktów narzędziowych i integracji z naszym środowiskiem wykonawczym agenta wymagana jest znajomość języka TypeScript - nie musisz być ekspertem, wystarczy znajomość drugiego języka.

Dyscyplina projektowania narzędzi do wykorzystania w LLM. Może przyjąć model uczenia maszynowego lub źródło danych i przekształcić go w narzędzie wywoływalne przez LLM z wąskimi schematami wejścia/wyjścia, wysyłką wymaganą do tożsamości i bramkowaną zakresem oraz kontraktami dotyczącymi błędów strukturalnych (RATE_LIMITED, UPSTREAM_ERROR, NOT_FOUND), które środowisko wykonawcze agenta konwertuje na płynne wyniki narzędzia zamiast dyscypliny CrashEval w przypadku systemów niedeterministycznych. Traktujesz ewaluacje jako odpowiednik testów jednostkowych dla agentów: złote transkrypcje, sędziowie na podstawie rubryk, zestawy regresji, które działają po każdym monitie lub zmianie modelu.

Rozumiesz różnicę między metrykami offline a ocenami online i posługujesz się obydwoma metodami Prompt-shape. Monit systemowy czytasz w taki sam sposób, w jaki inny inżynier czyta kod: odbiorcy, rejestr, poręcze zapewniające zgodność, lista dozwolonych szablonów, sekcja dozwolonych narzędzi. Debugujesz „dlaczego agent to zrobił?” czytając podpowiedzi i opisy narzędzi, zanim sięgniesz po wymianę modelu.

Dostarczono co najmniej jednego agenta, dla którego monit był kontrolowany pod kątem wersji i sprawdzany pod kątem rygorystyczności implementacji codeTool. Budujesz procedury obsługi za kontraktami narzędzi z polami tożsamości odczytywanymi z kontekstu żądania (nigdy z argumentów dostarczonych przez LLM), danymi wyjściowymi ponownie analizowanymi przez schemat narzędzia przed powrotem, zgłaszanymi błędami strukturalnymi na każdej ścieżce niepowodzenia i testami jednostkowymi obejmującymi zarówno ścieżkę szczęśliwej, jak i każdy nazwany błąd. Masz historię o dostarczonym narzędziu, wykryciu błędu w ruchu produkcyjnym i sposobie jego zabezpieczenia.

Doświadczenie w tworzeniu i utrzymywaniu produkcyjnych interfejsów API o niskim opóźnieniu (FastAPI, BentoML lub równoważne), z opiniami na temat udostępniania, przetwarzania wsadowego i buforowania. Wygodny w przepływach pracy w AWS (szczególnie Lambda), Dockerze i GitHubie. Aktywnie korzystasz z narzędzi AI w swoim procesie inżynieryjnym - nie jako nowość, ale jako ustawienie domyślne.

Oczekuje się, że wykażesz to podczas oceny technicznej. Pożądana obserwowalność agenta produkcyjnego: odczytywanie wierszy audytu, rozproszone ślady, opóźnienia dla poszczególnych narzędzi i metryki błędów. Intuicja kompromisu w zakresie kosztów i opóźnień w pętlach agentów - wymiernie zmniejsza koszt konwersacji lub opóźnienie P95 w przypadku agenta na żywo.

Znajomość środowiska wykonawczego agenta (Vercel AI SDK, LangChain, LlamaIndex lub odpowiednik) Doświadczenie w bramkowaniu agentów z wieloma najemcami. Wcześniejsze doświadczenie w SaaS i/lub FinTechMiło jest mieć, ale nie jest to wymagane: Databricks, PySpark, Terraform. Należy pamiętać, że ta rola może ewoluować wraz ze zmieniającymi się potrzebami biznesowymi, dlatego doceniamy Twoją elastyczność i zdolność adaptacji.

Co to dla Ciebie oznacza? Elastyczność zdalna: Ciesz się swobodą pracy zdalnej z dowolnego miejsca, płynnie łącząc życie i karierę. Niezapomniane wyjazdy poza witryną: Nawiąż kontakt dwa razy w roku współpracowników w ekscytujących lokalizacjach, wspierając pracę zespołową i świeże pomysły.

Płatny czas wolny i święta państwowe: Ciesz się 20 dniami PTO rocznie oraz świętami państwowymi dla relaksu i odmłodzenia. Opcje na akcje: dołączenie do nas oznacza udział w naszym sukcesie, dlatego otrzymasz opcje na akcje w ramach pakietu wynagrodzeń. Konfiguracja biura domowego: Stwórz idealne miejsce do pracy z dedykowanym budżetem na niezbędne artykuły do domowego biura.

Budżet na podróż służbową: Rozwijaj się osobiście i zawodowo dzięki budżetowi na wyjazdy służbowe i coworking.O nasClutch to rewolucyjna pionowa firma SaaS, dumnie wspierana przez Andreessen Horowitz (A16z), której celem jest zrewolucjonizowanie sposobu, w jaki SKOK-i angażują się i zmieniają życie swoich członków. Jako orędownik dobrej kondycji finansowej zaspokajamy pilną potrzebę przystępnych cenowo rozwiązań pożyczkowych w epoce, w której przeciętny Amerykanin zmaga się z zadłużeniem gospodarstwa domowego wynoszącym ponad 155 000 dolarów. W przeciwieństwie do tradycyjnych instytucji finansowych, Clutch opracowuje oprogramowanie, które przekształca kasy oszczędnościowe w pożyczkodawców FinTech i wykorzystuje ich bilanse do odpowiedzialnego udzielania pożyczek ponad 130 milionom Amerykanów.

Nasza misja wykracza poza zwykłe transakcje finansowe; staramy się zasadniczo ulepszyć sposób, w jaki kasy oszczędnościowo-kredytowe współdziałają ze swoimi członkami. Integrując najnowocześniejsze technologie i projekty zorientowane na użytkownika, pomagamy spółdzielczym kasom oszczędnościowo-kredytowym zapewniać płynne doświadczenia cyfrowe na poziomie wiodących firm technologicznych. Takie podejście nie tylko zachowuje, ale także ożywia wieloletnią tradycję usług skupionych na społeczności i członkach, charakterystycznych dla spółdzielczych kas oszczędnościowo-kredytowych.

Uwaga: to stanowisko jest oferowane w ramach umowy o pracę na zlecenie. Kandydaci muszą posiadać niezbędną dokumentację i zezwolenie na pracę w kraju, w którym znajduje się stanowisko pracy. Clutch nie może zapewniać sponsoringu ani pomagać w uzyskaniu pozwoleń na pracę na tym stanowisku.

Podczas składania aplikacji wspomnij słowo **ZACHWYCONY** i oznacz RNjguMTgzLjQxLjE1NA==, aby pokazać, że całkowicie przeczytałeś ogłoszenie o pracę (#RNjguMTgzLjQxLjE1NA==). Jest to funkcja w wersji beta, która pozwala uniknąć spamowania kandydatów. Firmy mogą wyszukiwać te słowa, aby znaleźć kandydatów, którzy to przeczytają i zobaczą, że są ludźmi.