Senior machine learning engineer, Ads Foundational Representations

Stack

Feladatok

• ▹Új beágyazási (embedding) modellek fejlesztése és meglévők továbbfejlesztése hirdetési use case-ekhez, az aggregációs pipeline-októl a two-tower architektúrákig és szekvenciamodellekig.
• ▹Helyi és külső LLM-ekkel/VLM-ekkel való munka: reprezentációk kinyerése, kiértékelési módszertanok kidolgozása, promptolás és finomhangolás állapotszerű beágyazások építéséhez.
• ▹Adatfeldolgozó és inferencia-pipeline-ok építése a fejlesztett modellekhez.
• ▹A fejlesztett funkciók kvalitatív és kvantitatív kiértékelése, end-to-end kísérletezés belső benchmarkoktól a downstream ajánlórendszer offline metrikáin át az online kísérletekig.
• ▹Az ML-rendszerek megbízhatóságának, skálázhatóságának és teljesítményének biztosítása automatizált tesztekkel, monitorozással és modellmenedzsment best practice-ekkel.
• ▹Részvétel modellezési és kódreview-kban: csapattagok munkájának véleményezése és visszajelzés adása.
• ▹Együttműködés cross-funkcionális csapatokkal az üzleti igények technikai megoldássá alakításához.

Elvárások

• ▹Legalább 5 év gyakorlati tapasztalat ipari szintű modellek teljes életciklusában (tervezés, tanítás, kiértékelés, tesztelés, éles bevezetés).
• ▹Tapasztalat NLP vagy CV modellek építésében és skálázott integrálásában.
• ▹Tapasztalat komplex feature-ök/embeddingek fejlesztésében downstream modellekhez.
• ▹Jártasság a fő mélytanulási keretrendszerekben: PyTorch vagy TensorFlow.
• ▹Érdeklődés az adatok iránt és hajlandóság a metrikaszámok mögé nézni.

Előny

• ▹Tapasztalat a csapat stackjével (Python, PyTorch, Airflow, BigQuery, Ray, Kubernetes, Kafka, GCP).
• ▹Ismertség a hirdetési területtel és/vagy kereső-/ajánlórendszerekkel.
• ▹Technikai vezetői tapasztalat: junior mérnökök mentorálása, komplex projektek vezetése.
• ▹Gyakorlati tapasztalat LLM-ek használatában, finomhangolásában, építésében.

Soft skillek

Amit kínálunk

• ▹Globális juttatási programok (munkakörnyezet, szakmai fejlődés, gondozási támogatás).
• ▹Családtervezési támogatás.
• ▹Nemi megerősítő ellátás (gender-affirming care).
• ▹Mentális egészség és coaching juttatások.
• ▹Csoportos magánnyugdíj-program munkáltatói hozzájárulással.
• ▹Magán egészségügyi és fogászati ellátás.
• ▹Jövedelem-helyettesítő programok.
• ▹Kerékpáros munkába járás támogatása (Bike to Work).
• ▹Rugalmas szabadság és fizetett önkéntes nap.
• ▹Bőséges fizetett szülői szabadság.

A munkáltatóról

A Reddit közösségek közössége: közös érdeklődésre, szenvedélyre és bizalomra épül, és az internet egyik legnyitottabb, leghitelesebb beszélgetéseinek ad otthont. Naponta a felhasználók témákat posztolnak, szavaznak és kommentelnek; 100 000+ aktív közösségével és mintegy 126 millió napi aktív egyedi látogatójával a Reddit az internet egyik legnagyobb információforrása.