Principal Machine Learning Engineer

Stack

Feladatok

• ▹ML-modellek fejlesztése és üzembe helyezése, a kutatás skálázható, karbantartható kóddá és szolgáltatásokká alakítása
• ▹ML-modellek optimalizálása sebesség, pontosság és költséghatékonyság szempontjából
• ▹Élvonalbeli megközelítések kiértékelése és beépítése az ML-stackbe
• ▹Komplex ML-problémák azonosítása és megoldása a szervezetben
• ▹Legjobb gyakorlatok meghatározása és betartatása a kódminőség és modell-életciklus terén
• ▹Mérnökök mentorálása, technikai kiválóság és innováció kultúrájának ápolása
• ▹A hosszú távú technikai jövőkép közös kialakítása

Elvárások

• ▹Mély ismeretek a modern gépi tanulási stackről, pl. kortárs transformer-architektúrák (GQA, KV-caching)
• ▹Jártasság elosztott tréningtechnikákban
• ▹Ismeretek modell-inferencia optimalizálási stratégiákban (dinamikus batching, flash attention, speculative decoding)
• ▹Bizonyított tapasztalat modellek nagy léptékű fejlesztésében és üzembe helyezésében
• ▹Jártasság Pythonban, ML-keretrendszerekben (TensorFlow, PyTorch) és felhőplatformokon
• ▹Erős MLOps-ismeretek, CI/CD pipeline-ok és konténerizáció (Docker, Kubernetes)

Előny

• ▹Tapasztalat beszédfelismerésben vagy szövegfelolvasásban (speech-to-text/text-to-speech)
• ▹Nyílt forráskódú projektekhez való hozzájárulás vagy publikált kutatás vezető konferenciákon

Soft skillek

Amit kínálunk

• ▹Focus Friday: zavartalan koncentrációs nap hetente
• ▹Together Tuesday: közös csapattalálkozók
• ▹Hibrid munkarend heti 2-3 irodai nappal

A munkáltatóról

A Speechmatics a beszédintelligencia vezető szakértője, amely AI-t és gépi tanulást használ az emberi beszédben rejlő üzleti érték feltárására világszerte, a legpontosabb beszédfelismerő rendszer megalkotására törekedve.