Dołącz do naszego przełomowego zespołu w Vanna Labs jako inżynier ds. uczenia maszynowego

Vanna Labs: Jesteśmy na czele innowacji blockchain, pioniersko wdrażając integrację natywnej analizy AI w łańcuchu bloków, napędzanej zaawansowaną kryptografią. Nasza platforma, Vanna Network, oferuje sieć blockchain EVM zaprojektowaną do komponowalnego wykonania AI w łańcuchu, zapewniając skalowalną i bezpieczną inferencję modelu. To rewolucyjne podejście umożliwia programistom bezproblemową integrację modeli AI z inteligentnymi kontraktami, sprzyjając potężnym zdecentralizowanym aplikacjom i nowatorskim zastosowaniom.

O naszym zespole

Nasz dynamiczny zespół składa się z najlepszych talentów znanych gigantów technologicznych, takich jak Two Sigma, Palantir i Google. Dedykowani dla ewolucji zdecentralizowanych zastosowań AI na blockchainie, mamy misję decentralizacji technologii AI. Dołącz do nas i bądź częścią wizjonerskiej podróży.

Rola: Inżynier ds. uczenia maszynowego

Poszukujemy wysoce zmotywowanego i samodzielnego inżyniera ds. uczenia maszynowego do rozwoju i usprawnienia naszej infrastruktury, zaprojektowanej do obsługi znaczących obciążeń inferencyjnych w modelach AI i ML. W tej roli będziesz przewodzić inżynierii wydajnych systemów AI/ML obsługujących zarówno przetwarzanie w czasie rzeczywistym, jak i wsadowe. Pracując we współpracy z interdyscyplinarnymi zespołami, będziesz projektować i wdrażać innowacyjne potoki inferencyjne oraz rozwiązania infrastrukturalne, zapewniając skuteczność i skalowalność naszych modeli uczenia maszynowego.

Kluczowe obowiązki:

• Projektowanie i konstruowanie skalowalnej infrastruktury inferencyjnej uczenia maszynowego w celu obsługi różnorodnych wymagań przetwarzania.
• Inżynieria zaawansowanych potoków wdrażania i narzędzi do wdrażania, wykorzystując technologie takie jak konteneryzacja (Docker) i orkiestracja (Kubernetes).
• Poprawa wydajności i efektywności inferencji modeli za pomocą technik takich jak kwantyzacja modeli, przycinanie i przyspieszenie (wykorzystanie GPU/TPU).
• Ciągła optymalizacja modeli uczenia maszynowego i infrastruktury za pomocą zaawansowanych metod eksperymentowania i optymalizacji.

Kwalifikacje:

• Zaawansowany stopień naukowy w dziedzinie informatyki, inżynierii, matematyki lub pokrewnych dziedzin.
• Znaczące doświadczenie w ramach i narzędziach ML (TensorFlow, PyTorch, CUDA).
• Biegłość w językach programowania, w tym Python, Java, C++, Go.
• Głębokie zrozumienie zasad inżynierii oprogramowania, z mocnym zapleczem w algorytmach i strukturach danych.
• Pożądane: Doświadczenie w MLOps, szy