Senior machine learning mérnök

Stack

Feladatok

• ▹Alapvető ML-rendszerek építése, amelyek egy proaktív, hosszú távú AI-terméket hajtanak
• ▹Végpontig tartó felelősségvállalás: adatelőkészítés, tanítás, kiértékelés, inferencia és iteráció
• ▹Kutatási ötletek átalakítása éles környezetben megbízhatóan futó rendszerekké
• ▹Modellhibák és rendszerproblémák hibakeresése valós éles jelek alapján
• ▹Gyors iteráció: szállítás, mérés, finomítás és ismétlés
• ▹Szoros együttműködés kutatási, termék- és mérnöki csapatokkal a valós felhasználói hatás érdekében
• ▹Más ML-mérnökök mentorálása és munkájuk átnézése példamutatással és szakmai ítélőképességgel
• ▹Munkavégzés valós éles korlátok mellett: késleltetés, költség, megbízhatóság, biztonság

Elvárások

• ▹Igazolt tapasztalat valós felhasználók által használt ML-rendszerek építésében és szállításában
• ▹Annak megértése, hogyan viselkednek — és hibáznak — a modern ML-modellek éles környezetben
• ▹Erős, éles minőségű kód írása, rendszerekben, nem szkriptekben gondolkodva
• ▹Felelősségvállalás, önálló munkavégzés, feladatok célba viteléhez
• ▹Gyors tanulás, tiszta kommunikáció, fejlődés iterációval
• ▹Használt technológiák: Python, PyTorch/JAX, GPU-alapú tanítási és inferencia-rendszerek

Soft skillek

A munkáltatóról

Az ActAI proaktív, AI-natív alkalmazásokat épít mindenki számára, akik nincsenek hozzászokva a bonyolult promptoláshoz; célja, hogy intelligenciát vigyen a beszélgetésekbe, ügyintézésbe és munkafolyamatokba minimális prompt-igénnyel, megbízható, hosszú távú feladatvégzésre és állandó kontextusra fókuszálva.