Member of Technical Staff, Machine Learning

Company A1 entwickelt einen proaktiven KI-Smart-Assistenten für alltägliche Nutzer, um Intelligenz in Gespräche, Erledigungen, Organisation und Arbeitsabläufe zu bringen. Unser Produkt konzentriert sich auf hohe Zuverlässigkeit für langanhaltende Arbeitsabläufe, persistente Kontexte und die Erledigung realer Aufgaben. Das System muss mehrstufiges Denken handhaben, mit externen Tools interagieren und trotz nicht deterministischer Modellverhalten zuverlässig bleiben.

Als Mitglied des technischen Personals im Bereich Machine Learning werden Sie zentrale ML-Komponenten entwickeln. Sie werden von Tag eins an an realen Produktionssystemen arbeiten und lernen, wie großangelegte ML außerhalb von Forschungseinstellungen funktioniert. Diese Rolle richtet sich an Ingenieure, die ein starkes Systemverständnis entwickeln möchten, indem sie reale ML-Lösungen bereitstellen, debuggen und iterieren.

Fokus

• Entwicklung und Verbesserung von ML-Komponenten in den Bereichen Daten, Training, Bewertung und Inferenz.
• Feinabstimmung und Anpassung von Modellen als Teil größerer Produktionssysteme.
• Implementierung von Evaluierungen und Tests, um das Verhalten von Modellen zu verstehen.
• Hilfe beim Aufbau und der Wartung von Datenpipelines für reale und synthetische Daten.
• Debugging von Modellproblemen, Leistungsproblemen und Produktionsvorfällen.
• Iterative Bereitstellung von Verbesserungen und Lernen aus echtem Nutzerfeedback.
• Enge Zusammenarbeit mit erfahrenen ML-Ingenieuren und Produktteams.
• Arbeiten unter realen Produktionsbedingungen: Latenz, Kosten, Zuverlässigkeit und Sicherheit.

Technologiestack

• Python
• PyTorch / JAX
• Produktions-ML-Systeme, die auf GPUs laufen

Ideale Erfahrung

• Starke Grundlagen im Bereich Machine Learning und moderne neuronale Architekturen.
• Einige praktische Erfahrungen im Training, der Feinabstimmung oder dem Einsatz von ML-Modellen.
• Sicher im Schreiben von produktionsreifem Code und schnelles Lernen neuer Werkzeuge.
• Neugierig, lernbereit und bereit, aus realen Systemen in der Produktion zu lernen.
• Fähig, durch Unklarheiten mit Anleitung zu navigieren und im Laufe der Zeit Verantwortung zu übernehmen.
• Neigung zum Versenden, zur Iteration und zur kontinuierlichen Verbesserung.

Ergebnisse

• ML-Modelle in der Produktion erfüllen die erwarteten Genauigkeits-, Latenz- und Zuverlässigkeitsziele.
• Produktionsprobleme werden schnell identifiziert, effektiv debuggt und die Ursachen angegangen.
• Datenpipelines, Trainingsschleifen und Inferenzsysteme sind robust, reproduzierbar und wartbar.
• Effektive Zusammenarbeit mit Ingenieuren, Produkt- und Forschungsteams zur Bereitstellung zuverlässiger ML-gesteuerter Funktionen.
• Iterationen an Modellen und Systemen werden durch reale Signale und messbare Verbesserungen vorangetrieben.

Wie wir arbeiten

Die besten Produkte der Welt wurden von kleinen, erstklassigen Teams entwickelt. Wir sind ein Team mit hoher Talentdichte und praktischer Erfahrung. Wir treffen Entscheidungen kollektiv, bewegen uns mit hoher Geschwindigkeit und finden ein Gleichgewicht zwischen der Bereitstellung hochwertiger Arbeit und dem Lernen. Der Beitritt zu unserem Team erfordert die Fähigkeit, Struktur zu schaffen, Urteilsvermögen auszuüben und unabhängig zu handeln. Unser Ziel ist es, unseren Nutzern ein wirklich magisches Produkt in die Hände zu legen.