Machine Learning Engineer, Ranking & Retrieval

Über 5 Milliarden Benutzer nutzen heute grundlegende Anwendungen wie E-Mail, Notizen, Aufgaben und Kalender, die nicht KI-nativ sind. Unsere Mission ist es, proaktive Anwendungen für alle Menschen auf der Welt zu entwickeln, die nicht an komplexe Eingaben gewöhnt sind. Wir möchten Intelligenz in Gespräche, Erledigungen, Organisation und Arbeitsabläufe bringen, mit minimalem oder gar keinem Eingabebedarf.

Unsere erste Anwendung ist eine agentenbasierte mobile Kommunikations-App. Wir glauben, dass der Aufbau von Anwendungen, die Benutzer täglich für Kommunikation, Koordination und Zusammenarbeit nutzen, dazu beitragen wird, KI in ihr Leben zu integrieren. Das Nettoergebnis ist die Beseitigung von Fehlinformationen, die Erreichung niedriger Koordinationskosten und die Ermöglichung hochwertiger Aufgaben und Zusammenarbeit im großen Maßstab mit minimalem oder geringem Eingabebedarf.

Rolle

• Entwicklung und Verbesserung von ML-Systemen, die unsere KI-nativen Anwendungen antreiben.
• Arbeiten an Klassifikation, Abruf, Ranking, Personalisierung und Bewertung, Übernahme der Verantwortung vom Modellentwicklungsprozess bis zur Produktionsbereitstellung.
• Diese Rolle richtet sich an Ingenieure, die praktische ML-Probleme lösen, die Modellqualität verbessern und zuverlässige Systeme bereitstellen, die von echten Benutzern verwendet werden.

Fokus

• Entwicklung und Verbesserung von ML-Modellen für Klassifikation, Ranking, Abruf und Personalisierung.
• Entwicklung effizienter Klassifikatoren und Optimierung der Modellgenauigkeit, Präzision, Latenz und Kosten.
• Verbesserung der Suchrelevanz und des Kontextabrufs mithilfe von Embeddings, hybrider Suche und Nachranking.
• Aufbau von Personalisierungsmodellen, die aus dem Benutzerverhalten lernen und dabei die Privatsphäre respektieren.
• Entwicklung von Evaluierungspipelines, gekennzeichneten Datensätzen und Metriken zur Messung der Modellqualität.
• Feinabstimmung und Anpassung bestehender Modelle, wenn ausreichende Daten vorhanden sind.
• Aufbau und Wartung von ML-Trainings-, Inferenz- und Bereitstellungspipelines.
• Debugging von Produktionsproblemen, Überwachung der Modellleistung und Versand von Verbesserungen basierend auf Feedback aus der realen Welt.

Technologiestack

• Python
• PyTorch / JAX
• Embeddings, Vektorsuche und Ranking-Modelle
• Produktions-ML-Systeme und Inferenzpipelines

Ideale Erfahrung

• Starke Grundlagen in maschinellem Lernen und modernen neuronalen Architekturen.
• Praktische Erfahrung beim Aufbau und der Bereitstellung von ML-Modellen in der Produktion.
• Erfahrung in Klassifikation, Ranking, Abruf, Empfehlungssystemen oder Personalisierung.
• Verständnis von Modellevaluation, Experimentierung und Leistungsmetriken.
• Komfortabel beim Schreiben von produktionsreifem Code und der Arbeit mit realen Datensätzen.
• Fähigkeit, Modellqualität, Latenz, Kosten und Zuverlässigkeit auszubalancieren.
• Starke Eigenverantwortung und Problemlösungsfähigkeiten.

Ergebnisse

• ML-Modelle in der Produktion erfüllen die erwarteten Genauigkeits-, Relevanz-, Latenz- und Zuverlässigkeitsziele.
• Klassifikations- und Rankingverbesserungen liefern messbare Gewinne in der Modellqualität.
• Evaluierungspipelines identifizieren Regressionen und unterstützen zuverlässige Modellveröffentlichungen.
• Trainings-, Inferenz- und Datenpipelines sind robust, reproduzierbar und wartbar.
• Modellverbesserungen werden durch Feedback aus der realen Welt und messbare Ergebnisse vorangetrieben.
• Effektive Zusammenarbeit mit Ingenieur- und Produktteams zur Bereitstellung zuverlässiger ML-gesteuerter Funktionen.

Wie wir arbeiten

Die besten Produkte der Welt werden von kleinen, erstklassigen Teams entwickelt. Wir sind ein Team mit hoher Talentdichte und praktischer Herangehensweise. Wir treffen Entscheidungen gemeinsam und bewegen uns schnell, wobei wir qualitativ hochwertige Arbeit mit kontinuierlichem Lernen in Einklang bringen.

Der Beitritt zu unserem Team erfordert die Fähigkeit, Struktur zu schaffen, Urteilsvermögen auszuüben und unabhängig zu handeln. Unser Ziel ist es, unseren Benutzern ein wirklich magisches Produkt in die Hände zu legen.

Interviewprozess

Wenn es einen Anschein von Passung gibt, werden wir uns melden, um 3, aber nicht mehr als 4 Interviews zu planen. Bewerbungen werden von unseren technischen Teammitgliedern bewertet. Die Interviews werden virtuell und/oder vor Ort durchgeführt. Wir schätzen Transparenz und Effizienz, daher erwarten Sie eine schnelle Entscheidung. Wenn Sie die außergewöhnlichen Fähigkeiten und die Denkweise gezeigt haben, nach denen wir suchen, werden wir Ihnen ein Angebot unterbreiten, um uns anzuschließen.