Mumsnet, лидер в области внедрения инноваций в ИИ для практического применения, ищет опытного инженера по машинному обучению для улучшения наших возможностей в создании эффективных, основанных на данных продуктов ИИ. Эта роль идеально подходит для тех, кто увлечен динамичной областью ИИ, в частности, большими языковыми моделями (LLMs), и стремится повлиять на будущее решений, управляемых ИИ.
В качестве инженера по машинному обучению в Mumsnet вы будете:
- Использовать LLMs для создания интеллектуальных рабочих процессов и приложений, решающих сложные бизнес-задачи.
- Разрабатывать и поддерживать надежную инфраструктуру для поддержки тестирования, развертывания и мониторинга систем МО.
- Создавать и управлять данными пайплайнами, необходимыми для ежедневной аналитики и рабочих нагрузок машинного обучения.
- Трансформировать оффлайн-модели в масштабируемые системы машинного обучения в реальном времени.
- Разрабатывать инструменты и службы для оптимизации процессов обучения и вывода ML.
- Применять лучшие практики в области программной инженерии для повышения надежности системы машинного обучения, включая непрерывную интеграцию и развертывание (CI/CD), автоматизацию и безопасность.
- Оставаться в курсе отраслевых трендов, особенно в GenAI и LLMs, для постоянного совершенствования нашей стратегии и технологического стека.
Наш идеальный кандидат на должность инженера по машинному обучению должен обладать:
- Исключительными способностями к решению проблем и сильным аналитическим складом ума.
- Продвинутыми навыками в математике, информатике, вероятности, статистике и алгоритмах.
- Знанием Python и опытом работы с платформами облачных вычислений; опыт работы с GCP будет преимуществом.
- Опытом создания систем "от начала до конца" в качестве инженера платформы, инженера ML DevOps, инженера по данным или в аналогичной роли.
- Глубоким пониманием или опытом работы с LLMs.
- Доказанной способностью переводить сложные бизнес-потребности в технические требования.
- Твердыми основами в области тестирования программного обеспечения, бенчмаркинга и непрерывной интегра