Senior Ingenieur für maschinelles Lernen

Zusammenfassung der Position:
Der Senior Machine Learning Engineer erstellt Modelle für maschinelles Lernen, insbesondere NLP und LLM, und führt große NLP/LLM-Modelle in einer Cloud-Umgebung in großem Umfang aus. Diese Rolle ist entscheidend für das erfahrene Lernen, die Weiterentwicklung von Fähigkeiten im Bereich des maschinellen Lernens und die Weitergabe von Wissen an andere. Als leitendes Mitglied des Teams arbeitet der Sr. ML Engineer sowohl individuell als auch im Team. Sie haben eine Leidenschaft für maschinelles Lernen und genießen es, modernste NLP- und LLM-Techniken zu erforschen und sie auf den Bildungsbereich anzuwenden. Sie zeigen Eigeninitiative und führen Ihre Aufgaben konsequent durch, während Sie mit Ihren Kollegen über den Status kommunizieren. Der Senior Machine Learning Engineer wendet ML-Kenntnisse und -Fähigkeiten an, um einen direkten Einfluss auf die Verbesserung der Lernerfahrungen von Studenten zu haben. Sie haben den Mut, den aktuellen Stand zu hinterfragen und innovative Ideen vorzuschlagen. Als hervorragender Kommunikator arbeitet der Senior Machine Learning Engineer mit funktionsübergreifenden Teams zusammen.

Job Details:

• Arbeit von zu Hause aus
• Montag bis Freitag | 9 AM bis 6 PM MST
• 12 AM bis 9 AM philippinische Zeit

Zuständigkeiten:

• Arbeitet eng mit dem MLE-Manager zusammen, um NLP-Initiativen, -Roadmaps und -Strategien zu definieren.
• Arbeitet mit dem Produktteam und den Projektbeteiligten zusammen, um Geschäftsanforderungen in die erforderlichen NLP-Funktionen umzusetzen.
• Entwickelt, implementiert und optimiert modernste LLM-Modelle für verschiedene NLP-Anwendungen.
• Nutzt NLP/LLM-Techniken, um wertvolle Erkenntnisse aus unstrukturierten Datenquellen wie Anrufprotokollen, E-Mails, Mentorennotizen usw. zu gewinnen.
• Nutzt die generative KI, um die nächste Generation von Lernerfahrungen zu schaffen.
• Führt den gesamten Lebenszyklus der ML-Entwicklung durch, einschließlich Modellforschung, Datenverarbeitung, Modelltraining und Feinabstimmung, Modellexperimente und -bewertung, Modellverbesserung sowie Modellbereitstellung.
• Zusammenarbeit mit dem Data-Engineer-Team bei der Entwicklung und Implementierung der Datenverarbeitungspipeline, um qualitativ hochwertige Eingaben für das Modelltraining und die Inferenz zu gewährleisten.
• Arbeitet mit dem MLOps-Team zusammen, um ML-Modelle in der Produktionsumgebung bereitzustellen und dabei Skalierbarkeit, Zuverlässigkeit und Leistung sicherzustellen.
• Zusammenarbeit mit den Teams für Software, Infrastruktur und Sicherheit, um ML-Lösungen nahtlos in das Ökosystem zu integrieren.
• Hält sich auf dem neuesten Stand der LLM-, NLP- und Deep Learning-Technologien und wendet sie proaktiv auf Anwendungsfälle an, um Innovationen voranzutreiben.
• Arbeitet mit anderen Teammitgliedern zusammen, um Standards und Richtlinien für ML zu erstellen.
• Befolgt Agile, ML Best Practices und Unternehmensprozesse.
• Kommunikation von Status und Aktualisierungen mit Führungskräften, Teammitgliedern und anderen Teams.
• Mentor und Ratgeber für jüngere Teammitglieder.
• Untersucht Trends und Bedürfnisse für ML-Modelle.
• Erledigt andere damit zusammenhängende Aufgaben, die ihm zugewiesen werden.

Kenntnisse, Fertigkeiten und Fähigkeiten:

• Erfahrung im Betrieb von hochverfügbarer, fehlertoleranter, skalierbarer, verteilter Software/Infrastruktur in der Produktion unter Verwendung von GitOps-Verfahren (Terraform bevorzugt).
• Erfahrung mit bestehenden MLOps-Frameworks (Databricks, Seldon, Sagemaker, DVC, usw.).
• Ausgeprägte Erfahrung in der Programmierung mit Scala (Java), Go oder Python.
• Umfassende Erfahrung im Betrieb von Big-Data-Infrastrukturen in einem Cloud-basierten Ökosystem (AWS bevorzugt).
• Solides Verständnis von Verkehrsmanagement- und Netzwerkkonzepten.
• Erfahrung mit Stream-Processing-Systemen (ksqlDB, Spark Streaming, Apache Beam/Flink, etc.).
• Erfahrung mit Standardmethoden der Softwareentwicklung (Unit-Tests, Code-Reviews, Entwurfsdokumente, kontinuierliche Bereitstellung).
• Entwicklung und Bereitstellung von produktionsreifen Diensten, SDKs und Dateninfrastrukturen mit Schwerpunkt auf Leistung, Skalierbarkeit und Selbstbedienung.
• Fähigkeit, Ideen zu konzipieren und klar und prägnant zu formulieren.
• Unternehmerische oder unternehmensinterne Erfahrung bei der Schaffung eines neuen Produkts und einer neuen Organisation.

Job-Qualifikationen:

Mindestqualifikationen:

• Hochschulabschluss (M.S.) oder höher in Informatik, Softwaretechnik, Datenwissenschaft, maschinelles Lernen/Deep Learning, Mathematik, Physik oder einem verwandten Bereich.
• Mindestens 5 Jahre Branchenerfahrung in der Softwareentwicklung in einer Cloud-Umgebung.
• Mindestens 3 Jahre Branchenerfahrung in der Erstellung umfangreicher Machine Learning- oder Deep Learning-Modelle, die den gesamten ML-Entwicklungszyklus von POC bis zur Produktionsfreigabe durchlaufen.
• Tiefes Verständnis von NLP- und LLM-Konzepten, einschließlich Sprachmodellierung, Textklassifizierung, Stimmungsanalyse, Token-Einbettung usw.
• Gute Programmierkenntnisse, z. B. in Python, R, SQL usw.
• Praktische Erfahrung mit einem oder mehreren Deep-Learning-Frameworks wie PyTorch, TensorFlow, Hugging Face, etc.
• Erfahrung mit führenden Cloud- und Datenplattformen wie AWS, Azure, Sagemaker, Databricks, etc.
• Erfahrung mit Daten ETL, Feature Engineering und Visualisierungstechniken.
• Erfahrung mit Open-Source-ML-Tools und APIs wie MLFlow, Streamlit usw.
• Ausgezeichnete Problemlösungsfähigkeiten zur Analyse komplexer Daten und Anforderungen im Hinblick auf praktische Lösungen.
• Ausgezeichnete Fähigkeit zu kreativem Denken, um neue Lösungen und Ansätze zu finden.
• Ausgeprägte Kommunikations- und Kooperationsfähigkeiten und die Fähigkeit, nahtlos mit Interessengruppen und funktionsübergreifenden Teams zusammenzuarbeiten.
• Sie fühlen sich wohl in einem schnelllebigen, hochgradig kooperativen, dynamischen Arbeitsumfeld.

Bevorzugte Qualifikationen:

• PhD bevorzugt.
• Erfahrung mit Databricks bevorzugt.
• Erfahrung mit der AWS-Cloud-Plattform bevorzugt.