ML platform mérnök

Stack

Feladatok

• ▹Modellbetanítást, kiértékelést és éles kiszolgálást támogató platformrendszerek tervezése és fejlesztése
• ▹Az ML-munkaterheléseket megbízhatóbbá, skálázhatóbbá és költséghatékonyabbá tevő infrastruktúra és eszközök építése
• ▹Emberek és ágensek által egyaránt könnyen kezelhető belső eszközök és munkafolyamatok fejlesztése
• ▹Modellek üzembe helyezésének és kiszolgálásának architektúráján való munka kutatási és termékkörnyezetekben
• ▹GPU-kon és felhőinfrastruktúrán futó munkaterhelések ütemezésének, megfigyelésének és hibakeresésének javítása
• ▹Az üzemeltetési terheket csökkentő belső eszközök, absztrakciók és ágensalapú rendszerek fejlesztése
• ▹Megfigyelhetőség, automatizálás, megbízhatóság és fejlesztői élmény javítása
• ▹Szoros együttműködés kutatókkal és termékmérnökökkel a fájdalompontok platformképességekké alakításáért

Elvárások

• ▹Erős tapasztalat éles rendszerek építésében vagy üzemeltetésében, megbízhatóságra, skálázhatóságra és karbantarthatóságra fókuszálva
• ▹Rendszerszemlélet: szűk keresztmetszetek, hibamódok, interfészek és erőforrás-felhasználás természetes átlátása
• ▹Gyakorlati tapasztalat felhőinfrastruktúrával, Linuxszal és infrastruktúra-automatizálással
• ▹Kubernetes és elosztott munkaterhelések éles üzemeltetésének tapasztalata
• ▹Erős programozói tudás, ideálisan Pythonban vagy hasonló, backend rendszerekhez és eszközökhöz használt nyelvekben
• ▹Erős ítélőképesség arról, hol ad hozzáadott értéket az automatizálás, és hol számít az emberi kontroll
• ▹Belső platformok, fejlesztői eszközök vagy infrastruktúra-absztrakciók építésének tapasztalata
• ▹Kényelem bizonytalan környezetekben, nyitott végű technikai problémák felelősségvállalásában

Előny

• ▹ML-infrastruktúra vagy modellkiszolgáló rendszerek éles üzemeltetése
• ▹Kutatási vagy adatintenzív munkaterhelések támogatása
• ▹GPU-alapú vagy más teljesítmény-érzékeny infrastruktúrával végzett munka
• ▹Megfigyelhetőség és hibakeresés elosztott rendszerekben
• ▹Terraform, Datadog, GitHub Actions vagy hasonló eszközök ismerete
• ▹Ágensalapú vagy LLM-alapú belső eszközök építésének tapasztalata
• ▹Munkafolyamat-orchesztrációs rendszerek (pl. Temporal) tapasztalata
• ▹Kutatás és termékmérnökség határterületén szerzett tapasztalat
• ▹Teljesítményoptimalizálás, ütemezés vagy erőforrás-allokációs problémák ismerete

Soft skillek

A munkáltatóról

A Synthesia a világ vezető AI videóplatformja vállalatok számára, amelyet a Fortune 100 vállalatok több mint 90%-a használ. 2017-ben alapították, székhelye Londonban van, irodákkal Európában és az USA-ban. Legutóbbi, 200 millió dolláros Series E körük után a cég értékelése 4 milliárd dollár, teljes tőkebevonásuk meghaladja az 530 millió dollárt.