Inżynier ds. uczenia maszynowego

Kogo przyjmujemy do zespołu: Poszukujemy Inżyniera Maszynowego Uczenia dołączającego do naszego Data Science Chapter, zespołu oddanego rozszerzaniu inteligencji i reaktywności naszego ekosystemu produktów, aby spełnić unikalne potrzeby naszych klientów. Będziesz bezpośrednio podlegać VP of Data Science i będziesz wspierać różne zespoły w ramach Data Science Chapter, składające się z inżynierów o różnorodnych doświadczeniach w dziedzinie maszynowego uczenia i sztucznej inteligencji. Jaki wpływ będziesz miał: Współpracując z wieloma zespołami w dziale Data Science, wykorzystasz swoją ekspertyzę z zakresu maszynowego uczenia do pomocy i rozwoju różnych projektów, a także będziesz blisko współpracować z członkami naszych zespołów Produktu i Inteligencji Biznesowej nad takimi zadaniem jak personalizacja, rekomendacje, efektywność energetyczna, bezpieczeństwo domowe oraz rozwijanie czystej sieci energetycznej. Bezpośrednio przyczynisz się do budowy naszej infrastruktury maszynowego uczenia, szybko iterując, przeprowadzając i skalując testy z zestawami danych zawierającymi setki miliardów punktów danych i szybko uruchamiając produkty zarówno w chmurze, jak i na brzegu. Jako Inżynier Maszynowego Uczenia w ecobee, będziesz: - Kierować rozwijaniem zaawansowanych algorytmów maszynowego uczenia, aby spersonalizować podróż klienta przez różne punkty kontaktu, włączając płatne reklamy, zawartość SEO, strony internetowe i doświadczenia z produktem. - Blisko współpracować ze wskaźnikami technicznymi i nietechnicznymi, wliczając partnerów biznesowych, wraz z inżynieryjnymi i analitycznymi zespołami. - Zarządzać całym cyklem życia rozwoju maszynowego uczenia, od definicji problemu, przez manipulację danymi, rozwijanie modeli, aż po produkcję, eksperymentowanie i utrzymanie. - Projektować i wdrażać produkty maszynowego uczenia na dużą skalę na treściach strukturalnych i niesktrukturalizowanych (telemetria, audio, wideo, zachowanie i preferencje użytkowników), skupiając się na poprawności, użyteczności, interpretacji, eksperymentowaniu i utrzymywaniu. - Oceniać możliwość zainicjowania przez szybkie prototypowanie i w oparciu o wymagania wydajności, jakości, czasu i kosztów. - Wykorzystać swoje doświadczenie do promowania najlepszych praktyk inżynierii maszynowego uczenia i mentorowania Senior Engineerów w Data Science Chapter. - Włączyć najnowsze badania i wiedzę branżową do zespołu wokół przetwarzania języka naturalnego (NLP), wizji komputerowej, maszynowego uczenia, generującej AI i pokrewnych obszarów. Co przyniesiesz do zespołu Ustaliliśmy poniższą listę jako wytyczną dla niektórych umiejętności i zainteresowań, które powinien mieć nasz zespół deweloperski. Jednakże dążymy do budowy naszego zespołu z członkami o różnorodnym tle i zestawie umiejętności. Więc jeśli posiadasz jakiekolwiek z nich, chcielibyśmy porozmawiać! - Wyższe wykształcenie (magister/doktor) z dziedziny statystyki, matematyki, informatyki lub innego kwantytatywnego kierunku. - Duże doświadczenie w używaniu maszynowego uczenia do wielu projektów mających na celu rozwiązanie problemów rzeczywistego świata. - Znaczne doświadczenie w manipulowaniu danymi, tworzeniu modeli statystycznych i produkcyjnym wykorzystaniu rozwiązań maszynowego uczenia, wykorzystujących najnowocześniejsze technologie i duże zbiory danych. - Doświadczenie w pracy z danymi na skalę 1TB lub większą, wykorzystując ramy przetwarzania dużych danych jak Spark i Google Cloud Dataflow. - Doświadczenie z inżynierią oprogramowania i praktykami DevOps oraz wdrożeniami i infrastrukturą ML-Ops. - Doświadczenie w optymalizacji urządzeń o ograniczonych zasobach. - Udowodnione umiejętności inżynieryjne w różnych językach, takich jak Python, C/C++, i związane z nimi ramki i biblioteki używane w pakietach maszynowego uczenia. - Udowodnione zdolności do prowadzenia projektów międzyfunkcyjnych do udanych zakończeń dzięki silnym umiejętnościom rozwiązywania problemów oraz zdolności do komunikacji skomplikowanych koncepcji zarówno dla technicznych, jak i nietechnicznych interesariuszy. - Udowodnione zdolności do rozwijania i szkolenia gotowych do produkcji modeli maszynowego uczenia, w tym modeli transformujących, uczenia wzmacniającego, sieci neuronowych, treningu modeli w obszarach takich jak klasyfikacja, rekomendacje, wizja i mowa. - Ekspertyza w stosowaniu szczegółów dużych architektur sieci neuronowych przy użyciu takich ramek jak PyTorch, Tensorflow, Keras, JAX itp. - Doświadczenie w pracy w środowiskach korzystających z Scrum i Agile. - Wiedza o tym jak manipulować danymi do analizy, obejmująca zapytania o dane, definicje metryk i przycinanie danych do oceny hipotez. Co się dzieje po złożeniu aplikacji? Przegląd aplikacji: Prawdziwa osoba z Działu Nabywania Talentów go przejży. Zazwyczaj otrzymujemy ponad 100+ aplikacji na niektóre role. Może to zająć kilka dni, ale każdy aplikant dostanie status swojej aplikacji. Proces rekrutacji (3 rundy): - Runda 1: 45-minutowa rozmowa telefoniczna z członkiem Działu Nabywania Talentów. - Runda 2: 45-minutowe spotkanie wirtualne z Senior Managerem w Data Science. Będzie to techniczna rozmowa kwalifikacyjna w formie sesji Q&A. - Runda 3 dzieli się na dwie części: Część 1: Godzinne spotkanie wirtualne z parą starszych członków naszego zespołu Maszynowego Uczenia. Prezentujesz swoje rozwiązanie na przykładzie (dostarczonym wcześniej do przygotowania) i odpowiadasz na pytania dotyczące twojej prezentacji. Część 2: 45-minutowe spotkanie wirtualne z naszym VP of Data Science i Product Managerem w celu sesji Q&A na temat maszynowego uczenia w kontekście produktu.