Vecākais programmatūras inženieris - Datu meklēšana (atmiņas, Eiropa)

Modash | Berlin, Germany

Pilnīgi attālināts Pilna laika Programmatūras izstrāde
Mašīntulkojums (English → Latvian) Skatīt oriģinālu
Apraksts

Es esmu Adriāns. Es nolīgt vecāko programmatūras inženieris pievienoties datu meklēšanas komandai Modash. Modash palīdz zīmoliem atrast, saprast un strādāt ar radītājiem visā Instagram, TikTok, un YouTube. Vairāk nekā 2700 uzņēmumi, tostarp Stanley 1913, Sennheiser un NordVPN, izmanto mūs, lai pārvaldītu un paplašinātu savu radītāju partnerību. Aiz šī produkta ir aizraujoša meklēšanas problēma: palīdzot klientiem atrast pareizos cilvēkus visā 400M+ radītāju profili un miljardiem mediju failus. Mēs apvienojam liela mēroga datu apstrādi, tradicionālos datu iegūšanas veidus, vektoru meklēšanu, multimodālus iegulumus un LLM, lai to padarītu iespējamu. Tur jūs ienācāt. Kāpēc mēs nolīgsim Modash meklēt nav iekšēja platforma vai atbalsta funkcija. Tas ir viens no pamatproduktiem, ko klienti izmanto, lai atklātu radītājus. Apjoms ir liels, dati ir nekārtīgi, un meklēšanas mērķis bieži vien ir sarežģīts. Klients var meklēt radītājus konkrētā nišā, cilvēki, kuru saturs ir tāds pats kā kādai jau zināmai grupai. Risināšana, ka labi prasa vairāk nekā pievienojot citu filtru vai zvanot LLM API. Mums ir vajadzīgs vecākais inženieris, kurš var strādāt visā pilnīgas izguves sistēmu – no datu un indeksācijas cauruļvadu iegult, rangs, atbilstība, un zemu latentumu apkalpo – un veikt neskaidras produktu problēmas līdz pat ražošanai. Jūs pievienosieties specializētajai datu meklēšanas komandai un cieši sadarbosieties ar Datu korpusu, Datu insights, produktu komandām, klientiem un uzņēmumu vadību. Jums būs reāla autonomija, bet jūs nestrādāsiet izolēti.

Ja jūs vēlaties justies par to, kā mēs domājam par būvniecības programmatūru, pārbaudiet mūsu inženierijas Blog. Tas, kam tev patiesībā piederēs 1. Padarīt radītājs meklēšanu nozīmīgi labāk. Jūs uzlabosiet to, kā klienti atklāj veidotājus 400M+ profilus un miljardus mediju failu. Tas ietver uztveršanu, filtrēšanu, rangu, atbilstību, ātrumu un produkta lēmumus, kas tos savieno. 2. Pārveidot multimodālus datus meklējamajos izlūkos. Jūs izveidosiet sistēmas, kas ģenerēs un izmantos iegultas no attēliem, video, teksta un audio masīvā mērogā—tād padara šos signālus noderīgus reālā uz klientu vērstā meklēšanas pieredzē. 3. Pārvietot jaunas meklēšanas iespējas uz ražošanu. Jūs vērtēsiet modeļus un tehnoloģijas pragmatiski, izprotat kompromisus par izmaksām, latentumu un kvalitāti, kā arī pārcelsiet daudzsološas pieejas no eksperimenta uz uzticamu ražošanas sistēmu nedēļu laikā, nevis ceturkšņos. 4. Sistēma beidzas. Jūs palīdzēsiet veidot problēmu, apkopot prasības, izstrādāt arhitektūru, rakstīt kodu, atbrīvot to, izmērīt rezultātu, un uzlabot to. Te ir arī vecākie inženieri, kas strādā ne tikai ar īstenošanas uzdevumiem, bet arī ar rezultātiem. Kas ikdienas izskatās Šeit ir tas, ko tipisks nedēļas varētu ietvert:.

• Pirmdiena. Klientu meklēšana atgriežas tehniski nozīmīgi, bet nelietderīgi rezultāti. Jūs apskatāt izgūšanas un reitinga posmus, identificējat, kur tiek zaudēts nodoms, un ierosiniet izmērāmu uzlabojumu.

• Otrdiena. Dziļā fokusa laiks. Jūs uzbūvējat cauruļvadu, lai radītu multimodālus iegulumus lielā veidotāja satura partijā un pārbaudītu, kā jaunā pārstāvība ietekmē izguves kvalitāti un izmaksas.

• Trešdien. Jūs strādājat ar Datu Apzināšanās jaunu datu punktu. Kopā jūs piekrītat tās definēšanai, pārklājumam un datu kvalitātes prasībām, tad pakļaujiet to meklēšanai, lai sniegtu klientiem vairāk iespēju atklāt radītājus.

• Ceturtdiena. Jūs pārbaudīt pārkārtošanās modeli uz fiksētu kopumu reālu klientu jautājumiem. Jūs mērīt, cik daudz tas uzlabo atbilstību pret latentumu un ievades izmaksas tas pievieno, tad izlemt, kas ir gatavs ražošanai.

• Piektdien. Jūs pārskatāt producēšanas rādītājus, izmeklējiet būtisku regresiju un dalieties ar komandu ar to, ko esat iemācījies. Fiksācija var būt modelī, dati, vaicājuma loģika, vai pats produkts-jūs ievērojat pierādījumus.

Mēs saglabājam sapulces jēgpilnas un aizsargājam laiku dziļam darbam. Jums būs īss stends, cieša sadarbība, kad tā palīdzēs, un daudz vietas, lai izstrādātu, būvētu, optimizētu un palaistu.
Prasības
Ko esat darījis iepriekš

• Būvēti liela mēroga dati vai aizmugures produkti. Jums ir stabila pieredze strādājot ar sistēmām, kurās apjoms, latentums, uzticamība, un maksā visu jautājumu.

• No koncepta līdz ražošanai nosūtīti produkti. Jums pieder skopēt, arhitektūra, ieviešana, atbrīvot, mērījumi, un iterācija—ne tikai viens slānis risinājumu.

• Izstrādātas izplatītas sistēmas. Jūs varat skaidri spriest par caurlaides, neveiksmes režīmi, datu plūsma, mērogojamību, un operatīvās kompromisi.

• Būvēta LLM-motor vai aģentisks īpašības ražošanā. Jūs saprotat praktisko atšķirību starp modeļiem un varat līdzsvarot spējas pret latentumu un izmaksām.

• Strādāja autonomi, risinot neskaidras problēmas. Jūs zināt, kā apkopot prasības, uzdot noderīgus jautājumus un pārvērst nepilnīgu kontekstu kustībā uz priekšu.

• Skaidri sarunājas starp komandām. Varat izskaidrot tehniskās kompromisi inženieriem un neinženieriem, sniegt tiešu atgriezenisko saiti un sadarboties, neradot nevajadzīgu procesu.

• Strādājis ātri mainīgā produktu vidē. Jūs varat mācīties ātri, kuģniecība pakāpeniski un mainīt virzienu, kad pierādījumi.

Bonus punkti, ja esat strādājis ar multimodāliem iegulumiem, vektoru datubāzēm, semantisku meklēšanu, reitinga algoritmiem, modeļa izvēršanu, pašuzturētiem modeļiem vai GPU infrastruktūru. Arī kaitējums par radītāju ekonomiku palīdz, bet mēs jums pietiksim līdz ātrumam.
Mūsu steks

• AWS un GCP, ar Pulumi infrastruktūrai kā kodu

• Python, TypeScript, un Node.js

• PySpark uz AWS EMR

• Gaisa plūsma

• Milvus Vector DB caur Zilliz

• Elastīgs meklējums

• LLM partija API

• Apache Iceberg

• SageMaker, DynamoDB, S3, Glue, Kinesis, Lambda, ECS un Aurora

• Izkliedē, gitHub, lineāro, izliekumu un kursoru

Intervijas process
Mēs ātri virzāmies un varam pabeigt procesu līdz pat nedēļai:

• Intro tērzēšana

• Intervija kodēšanas jautājumos

• Sistēmas dizaina intervija

• Komandas intervija

• Kultūras un saskaņošanas saruna ar mūsu vadītāju Averi Schrader

Ieguvumi
Ko mēs piedāvājam

• Pilnībā attāli

Nepieciešamās prasmes

Engineering, Computer Software, Data, Remote

Darba detaļas

Pieredze: 0 gadi

Iesūtīts: 1 month, 2 weeks pirms

Skats: 676

Pielietot pēc Arbeitnow

Iegūts no Arbeitnow · atver sākotnējo norīkojumu.

Iegūt pielāgotu programmu šai lomai

Nomest savu atsākšanu, un mēs uzrakstīsim pavadvēstuli, kas vērsta uz šo precīzu sarakstu — bezmaksas, un gatavs brīdī, kad jūsu konts ir izveidots.

PDF, Word vai teksts. Mēs veidojam savu bezmaksas kontu uz nākamā ekrāna — nav kartes.

Vai nomierinājies par šādu lomu?

Ievietojiet savu attālināto darbu WFHJ un sasniegiet saskaņotus kandidātus. Nav maksas.

Ievietot darbu — bez maksas
Feedback