Lead Machine Learning Engineer – Recommendation Systems in Warsaw

GRAI to aplikacja społecznościowa do słuchania muzyki z siedzibą w Warszawie, obecnie w fazie alfa. Budujemy nowe sposoby słuchania i reagowania na muzykę, koncentrując się na interakcjach społecznych, które zachodzą tylko wtedy, gdy ludzie są połączeni. W celu stworzenia głębokich połączeń poszukujemy Lead Machine Learning Engineera, który zaprojektuje, zbuduje i skalować nasze silniki rekomendacji i odkrywania.

Co będziesz robić:

• Przywództwo techniczne: Zdefiniuj długoterminową wizję techniczną i architektoniczną dla naszych silników rekomendacji i personalizacji.
• Architektura systemów: Zaprojektuj i nadzoruj wdrażanie skalowalnych pipeline'ów do pobierania, rankingowania i ponownego rankingowania, zdolnych do obsługi ogromnych danych o zachowaniach użytkowników i treściach.
• Pełna odpowiedzialność: Kieruj rozwojem solidnej infrastruktury ML, w tym automatyzacji przetwarzania danych, magazynów cech, MLOps i monitorowania modeli w czasie rzeczywistym.
• Mentorstwo i kultura: Mentoruj i szkol talentowanych inżynierów ML, wspierając kulturę doskonałości technicznej, ciągłego uczenia się i rygorystycznych eksperymentów.
• Strategia oparta na danych: Zaprojektuj kompleksowe ramy oceny offline i prowadź skomplikowane strategie testów A/B, aby walidować i iterować wydajność modeli.
• Współpraca międzydziałowa: Ściśle współpracuj z zespołem Produktu i Inżynierii, aby dostosować inicjatywy ML do wysokopoziomowych wskaźników biznesowych i celów produktowych.

Czego szukamy:

• Udokumentowane osiągnięcia: Rozległe doświadczenie w projektowaniu, budowaniu i skalowaniu systemów rekomendacji klasy produkcyjnej, silników wyszukiwania lub modeli rankingowych na dużą skalę.
• Mistrzostwo techniczne: Głęboka, podstawowa wiedza z zakresu uczenia maszynowego, architektur głębokiego uczenia i nowoczesnych metod pozyskiwania informacji.
• Skala i infrastruktura: Znaczące doświadczenie z rozproszonymi systemami danych i nowoczesnymi frameworkami ML (PyTorch, TensorFlow). Udowodniona zdolność do obsługi ogromnych zbiorów danych o interakcjach użytkowników.
• Produkcja i MLOps: Silne tło w wdrażaniu i utrzymywaniu modeli o niskiej latencji w produkcji, z solidnym zrozumieniem magazynów cech, rejestrów modeli i monitorowania dryfu.
• Umiejętności przywódcze: Udokumentowane doświadczenie w prowadzeniu projektów technicznych, mentorowaniu inżynierów i skutecznym zarządzaniu interesariuszami bez utraty praktycznego podejścia technicznego.
• Pragmatyczna realizacja: Zdolność do równoważenia nowatorskich eksperymentów AI z praktycznymi realiami stabilności produkcji, ograniczeń latencji i wartości biznesowej.

Miło widziane:

• Ekspertyza w czasie rzeczywistym: Doświadczenie z architekturami danych strumieniowych i systemami rekomendacji opartymi na czasie rzeczywistym/sesjach.
• Wiedza branżowa: Tło w przetwarzaniu dźwięku, streamingu muzyki lub produktach personalizacyjnych skierowanych do konsumentów w szybkim wzroście.
• Zaawansowane ML: Znajomość sieci neuronowych grafowych (GNN), uczenia przez wzmocnienie lub wykorzystywania dużych modeli językowych (LLM) w kontekście rekomendacji.

Dlaczego warto do nas dołączyć:

• Wysoka autonomia i wpływ: Bezpośrednia odpowiedzialność za kierunek techniczny systemów ML o wysokim wpływie używanych przez miliony użytkowników.
• Udział w akcjonariacie na etapie zakupu: Dołączasz do małego zespołu na etapie alfa. Oferujemy znaczące opcje na akcje, abyś miał realny udział w grze i dzielił się bezpośrednio w zyskach tego, co budujemy.
• Wpływ na przyszłość: Kształtuj nie tylko stos rekomendacji, ale także szerszą kulturę inżynieryjną i plan zatrudnienia szybko rozwijającego się startupu.
• Współpraca w innowacjach: Pracuj w wspierającym, zorientowanym na produkt środowisku, gdzie twoje pomysły bezpośrednio decydują o przyszłości tego, jak ludzie doświadczają muzyki.
• Odpoczynek i regeneracja: Wysoka wydajność pracy wymaga prawdziwego czasu wolnego. Oferujemy 26 dni roboczych płatnego urlopu rocznie, plus 5 dni wolnych i polskie święta publiczne.