Quiénes somos: Construimos una infraestructura que ofrece cantidades masivas de datos web a las empresas que forman los modelos de IA más poderosos del mundo. Somos el equipo que ayudalimentar y apoyar a Grass, una red de intercambio de ancho de banda que nos permite operar un rastreador distribuido masivo, que nos da acceso único a datos públicos de alta calidad a escala mundial. Además, hemos construido tuberías para ingerir, segmentar y anotar miles de millones de videos, transcripciones y archivos de audio, y para crear conjuntos de datos para laboratorios fronterizos. Somos ligeros, técnicos y rápidos. Sin burocracia, sin toma de decisiones lenta; solo un equipo de constructores que impulsampliar lo posible para abrir datos web y AI. Resumen: Como ingeniero de investigación, diseñará y operará sistemas de adquisición de datos web a gran escala para la investigación y el desarrollo de modelos. Trabajará en sistemas distribuidos, infraestructura desguace y tuberías de datos.

• Experiencia en la construcción de webs o grandes tuberías de datos • Comprensión sólida de HTTP, redes y comportamiento del navegador • Familiaridad con sistemas distribuidos y procesamiento paralelo • Experiencia con grandes conjuntos de datos (preferiblemente de la escala TB–PB) • Capacidad para depurar entornos inestables o adversos Preferido / Bonificación: • Experiencia con tuberías NLP o curado de conjuntos de datos para ML • Familiaridad con sistemas de preentrenamiento o recuperación de datos LLM • Experiencia con navegadores sin cabeza (por ejemplo, Chrome DevTools Protocol, Playwright, Puppeeer) • Conocimiento de sistemas proxy, rotación de IP y gran escala de solicitud orquestación • Antecedentes en la evaluación o evaluación de la calidad de los datos • Experiencia con cargas de trabajo en la nube o infraestructura de metal desnudo Qué función tiene este papel • Desarrollo de sistemas de generación de datos en la red • Mejora de la calidad de la tecnología • Mejora de la calidad en la tecnología • Mejora de la calidad en la tecnología • Mejora de la tecnología en la tecnología de la información en la tecnología de la información en la tecnología de la

• Extraer datos estructurados de sitios dinámicos y con mucho peso en JS a escala • Mejorar la deduplicación y la puntuación de calidad en conjuntos de datos multimodales Por qué Trabajar con Nosotros: • Oportunidad. Estamos a la vanguardia en el desarrollo de un gráfico de rastreo y conocimiento a escala web que mejora el acceso a datos web públicos y extiende el valor de la IA a la gente. • Cultura. Somos un equipo magro con una barra alta. Venimos a trabajar no para estar cómodos, sino para averiguar de qué somos capaces y para hacer el trabajo que importa. No estamos llamando a personas que mantienen las cosas en movimiento. Estamos llamando a personas que hacen que todo el mundo a su alrededor mejor. • Priorizamos el bajo ego y la alta producción. Este es un equipo totalmente remoto. • Compensación. Recibirá un salario competitivo, beneficios y paquete de equidad.