Uzaktan pozisyon: Principal ML Platform Engineer

Bu ilanı Synthesia yayımladı, aranan pozisyon: Principal ML Platform Engineer. Bu, ekip liderliği düzeyinde bir pozisyon, yani bir ekibin ya da bütün bir alanın sorumluluğu. Pozisyon, Bilişim ve yazılım kategorisinde ve tümüyle uzaktan. Şirket, Avrupa'da yaşayan adayları işe alıyor.

İlan özellikle şunu öne çıkarıyor: Machine Learning. Tam da bu araçla edinilmiş deneyim belirleyici olacak.

Şirket herhangi bir rakam yayımlamadı, bu konu görüşmede netleşir. İlan, çalışma saatleri konusunda hiçbir koşul koymuyor.

Bu ilan otomatik bir denetimden geçti: yabancı çalışma izni, vize sponsorluğu, belirli bir vatandaşlık ya da adı geçen bir ülkede ikamet isteyen ilanlar listeye girmez.

Synthesia, öncü bir AI video platformu, Fortune 100'in% 90'ından fazlasını sunuyor. 2017 yılında kurulan şirket Londra'da ve Avrupa ve Amerika Birleşik Devletleri'nde bir varlığı var.

AI, iş ve iletişim alanını dönüştürerek, Synthesia görsel içerik ve işletme becerilerini geliştirmeyi amaçlamaktadır ve organizasyonlarda işbirliğini ve başarıyı optimize etmeyi amaçlamaktadır.

Son bir Seri E finansmanı turundan sonra, Synthesia 200 milyon dolar kazandı, değerini 4 milyar dolara getirdi. Şirket, Accel, NVentures (Nvidia'nın VC kolu), Kleiner Perkins, GV ve Evantic Capital gibi lider ve operatörlerin yanı sıra Stripe, Datadog, Miro ve Webflow gibi 530 milyon doları yükseltti.

Synthesia'ın ML Platform ekibine katılmak için bir Müdür Mühendisi arıyoruz.

Ekiplerimiz, araştırma ve ürün takımlarının trene hizmet etmesini ve jeneratif modelleri verimli bir şekilde dağıtmasını sağlayan altyapıyı yönetir. Bu, bu bileşenleri entegre eden araştırma araçları, üretim sistemleri ve kullanıcı arabirimleri içerir. Misyonumuzun önemli bir kısmı bu sistemleri daha otomatik ve ajan odaklı hale getirmek, iş akışlarının minimum manuel müdahale ile güvenilir bir şekilde çalışabilmesidir.

Sistem perspektifi ile çok yönlü bir mühendis arıyoruz:

- altyapı, arka uç sistemler ve araç arasında sorunsuz çalışabilen biri ve ML sistemleri ile pratik deneyime sahip olan biri. - Bu rol sadece ML mühendisliği ile ilgili değildir; özellikle güvenilirlik, ölçeklenebilirlik, performans ve kaynak verimliliği karmaşık üretim ortamlarında derinden anlayan bireylerle ilgileniyoruz. - Bu, önemli sorumluluğu olan bir el-ondur. ML platformumuzun evrimini modellemeye yardımcı olacaksınız, model sayısını, iş yüklerini, araçları ve buna güvenen takımları.

Ne yapacaksınız:

- Model eğitimi, değerlendirme ve hizmet veren platform sistemlerini tasarlayın. - ML iş yüklerini sağlamak için altyapı ve araç kurmak daha güvenilir, ölçeklenebilir ve maliyetlidir. - İnsanların otomasyon için çalışabilmesi ve uygun olması için hem kolaydır. - Model dağıtımının arkasındaki mimarlık üzerinde çalışmak, araştırma ve ürün ortamları üzerinde çalışmak. - Nasıl programladığımızı geliştirin, gözlemleyin ve debug iş yükleri GPU ve bulut altyapısı üzerinde çalışır. - Araştırmacılar ve mühendisler için operasyonel yükü azaltan içsel araçlar ve soyutlar geliştirin. - Gözlemlenebilirlik, otomasyon, güvenilirlik ve geliştirici deneyiminde iyileştirmeler. - Araştırmacılar ve ürün mühendislerle birlikte ağrı puanlarını tanımlamak ve onları sağlam platform yeteneklerine dönüştürmek. - Teknik yönde katkıda bulunun ve platform büyüdükçe pratik mimari kararlar alın.

Eğer varsa bu rolde gelişeceksiniz:

- Güvenilir bir deneyim binası veya üretim sistemleri güvenilirlik, ölçeklenebilirlik ve kullanılabilirlik üzerine odaklanır. - Sistem zihniyeti: doğal olarak şişen, başarısızlık modları, arayüzler, kaynak kullanımı ve uzun vadeli operability hakkında düşünüyorsunuz. - Bulut altyapısı, Linux ve altyapı otomasyonu ile Katı el-on deneyimi. - Kubernetes ile deneyim ve üretimde dağıtılmış iş yüklerini yönetiyor. Güçlü kodlama becerileri, tercihen Python veya benzer dillerde arka uç sistemler ve araç için kullanılır. - Otomasyonun değer verdiği ve insan gözetiminin önemli olduğu konusunda güçlü bir yargı. - İç platformlar inşa etmek, geliştirici araçlama veya diğer mühendisler tarafından kullanılan altyapı özetleri. - Belirsiz ortamlarda çalışmak ve açık uçlu teknik zorluklara sahip olmak. - pragmatik bir yaklaşım: Doğru sorunu iyi çözmeye ve over-mühendislikten kaçınmaya öncelik veriyorsunuz.

İlgili deneyim:

- Üretimde ML altyapısını veya modellemeyi uygulayın. - Araştırma veya veri yoğun iş yüklerini desteklemek. - GPU tabanlı sistemler veya diğer performansa duyarlı altyapı ile çalışmak. - Boş sistemlerde observability ve debugging ile deneyim. - Terraform ile Familiarity, Datadog, GitHub Actions veya benzer araçlar.

Ek faydalar:

- Deneyim taşıyıcı veya LLM destekli iç aletleri. - Temporal gibi iş akış orkestrası sistemleri ile deneyim. - Araştırma ve üretim mühendisliğinin kesişiminde çalışmak. - Performans optimizasyonu, zamanlama veya kaynak tahsis sorunları ile ilgili bilgi. - Deneyim hafif ürün veya geliştirici-oku araçları inşa eder.