Senior Software Engineer - Adatkeresés (távol, Európa)

Modash | Paris, France

Teljesen távoli Teljes munkaidős Szoftverfejlesztés
Géppel lefordított neked (English → Hungarian) Eredeti nézet
Leírás

Szia, Adrian vagyok. Felbérelek egy vezető szoftvermérnököt, hogy csatlakozzon a Modash adatkereső csapatához. Modash segít a márkák megtalálásában, megértésében és együttműködésében az Instagram, a TikTok és a YouTube alkotóival. Több mint 2700 vállalat, köztük Stanley 1913, Sennheiser és NordVPN, arra ösztönöznek minket, hogy kezeljük és méretezzük alkotói partnerségeiket. A termék mögött egy lenyűgöző keresési probléma áll: segítve az ügyfeleknek megtalálni a megfelelő embereket 400M+ alkotó profilok és több milliárd médiafájlok között. A nagyléptékű adatfeldolgozást, a hagyományos visszakeresést, a vektorkeresést, a multimodális beágyazódásokat és az LLM-eket kombináljuk, hogy ezt lehetővé tegyük. Itt jön maga a képbe. Miért nem egy belső platform vagy egy támogató funkció? Ez az egyik alapvető termékek ügyfelek használják felfedezni alkotók. A skála nagy, az adatok zavarosak, és a keresési szándék gyakran összetett. Egy ügyfél lehet, hogy keres alkotók egy adott résben, emberek, akiknek tartalma közvetíti egy bizonyos vizuális stílus, vagy számlák, amelyek hasonlítanak egy csoport már ismert. Ennek megoldása több kell, mint egy másik szűrő hozzáadása vagy egy LLM API hívása. Szükségünk van egy vezető mérnökre, aki képes a teljes visszakeresési rendszeren keresztül dolgozni az adatokból és a csővezetékek indexeléséből a beágyazásokig, rangsorolásig, relevanciáig és alacsony latencia mellett egészen a gyártásig kétértelmű termékproblémákat is figyelembe venni. Ön csatlakozik a szakosodott adatkereső csapathoz, és szorosan együttműködik az Adatmaggal, az Adatmegtekintéssel, a termékcsapatokkal, az ügyfelekkel és a vállalatvezetéssel. Ön valódi autonómiával rendelkezik, de maga elszigetelten nyert munkát.

Ha szeretné, hogy egy érzés, hogy hogyan gondolkodunk az épület szoftver, ellenőrizze a mérnöki blog. Ami valójában a tiéd lesz 1. A teremtő keresése jelentősen jobb. Ön • javítani fogja, hogyan az ügyfelek felfedezik alkotók a 400M+ profilok és milliárd média fájlokat. Ez magában foglalja a visszakeresést, szűrést, rangsorolást, relevanciát, sebességet és a hozzájuk kapcsolódó termékdöntéseket. 2. A multimodális adatokat kereshető intelligenciamá alakítjuk. Ön olyan rendszereket épít, amelyek képeket, videót, szöveget és audiót generálnak és használnak, és ezáltal hasznossá teszik ezeket a jeleket egy valódi ügyfélre mutató keresési élményben. 3. Új kutatási kapacitásokat szállítunk a gyártásba. Ön pragmatikusan értékeli a modelleket és technológiákat, megérti a költség-, a késedelmi és a minőségi kompromisszumokat, és ígéretes megközelítéseket tesz át a kísérletről egy megbízható termelési rendszerre, nem pedig negyedek. 4. A rendszer végét urald. Ön segít a probléma alakításában, a követelmények összegyűjtésében, az építészet tervezésében, a kód megírásában, a kiadásban, az eredmény mérésében és a javításában. A vezető mérnökök saját eredményeket, nem csak végrehajtási feladatokat. Hogy néz ki a napról napra itt emlitik, hogy egy tipikus hét lehet:.

• Hétfőn. Az ügyfélkeresés technikailag releváns, de nem hasznos eredményeket ad vissza. Megvizsgálja a visszaszerzési és rangsorolási szakaszokat, megnevezi, hol veszítenek el szándékot, és mérhető javulást javasol.

• Kedd. Mélypontidő. Ön épít egy csővezetéket, hogy hozzon létre multimodális beágyazódások keresztül nagy tétel alkotó tartalom és tesztelni, hogy az új reprezentáció befolyásolja a visszaszerzés minőségét és költségét.

• Szerda. Az Data Insights-szal dolgozol egy új belső adatponton. Együtt, egyetértünk a definíció, lefedettség, és az adatminőségi követelmények, majd kiteszi a Keresés, hogy az ügyfelek több módon felfedezni alkotók.

• Csütörtökön. Egy új modell tesztelése egy fix számú valódi ügyfél lekérdezéssel. Megméri, mennyivel növeli a jelentőséget a lappangási és következtetési költségekhez képest, majd eldönti, hogy mi áll készen a termelésre.

• Péntek. Átnézi a gyártási metrikus adatokat, megvizsgálja a relevancia regresszióját, és megosztja a csapattal, amit tanult. A javítás lehet a modellben, az adatok, a lekérdezési logika, vagy maga a termék omlódik követed a bizonyítékokat.

Céltudatosan tartjuk az összejöveteleket, és óvjuk az időt a mély munkára. Rövid standup, szoros együttműködés lesz, amikor segít, és rengeteg hely lesz a tervezéshez, építéshez, optimalizáláshoz és indításhoz.
Követelmények
Amit korábban tettél.

• Nagyméretű adatok vagy háttértermékek. Szilárd tapasztalattal rendelkezik olyan rendszerekkel való együttműködésben, amelyek mennyisége, latencia, megbízhatósága és költsége minden anyagba kerül.

• A szállított termékek koncepciótól a gyártásig. Ön, aki a megoldás egyetlen rétegét sem tudta megmérni, felépíteni, végrehajtani, kiengedni, mérni és iterációval ellátni.

• Tervezett megosztott rendszerek. Egyértelműen érvelhet a teljesítmény, a meghibásodási módok, az adatáramlás, a skálázhatóság és a működési kompromisszumok miatt.

• LLM-meghajtású vagy a gyártásban használt hatóanyag. Ön megérti a modellek közötti gyakorlati különbségeket, és képes egyensúlyt teremteni a késés és a költségek között.

• Önmagában dolgozott kétértelmű problémák. Tudod, hogyan kell összegyűjteni a követelményeket, hasznos kérdéseket feltenni, és a hiányos kontextust előremozdítani.

• A csapatokon keresztül egyértelműen kommunikált. A műszaki kompromisszumokat a mérnökök és a nem mérnökök számára is megmagyarázhatja, közvetlen visszajelzést adhat, és szükségtelen folyamat létrehozása nélkül együttműködhet.

• Gyorsított termékkörnyezetben dolgozott. Ön kényelmesen tanul gyorsan, fokozatosan szállít, és irányt változtat, ha a bizonyítékok.

Bónuszpontok, ha multimodális beágyazással, vektor adatbázisokkal, szemantikai kereséssel, rangsoroló algoritmusokkal, modell telepítéssel, öngazdálkodó modellekkel vagy GPU infrastruktúrával dolgozott. A teremtő gazdaság iránti kíváncsiság is segít, de mi majd felkészítjük önöket.
A mi stackünk

• AWS és GCP, Pulumi infrastruktúra kód

• Python, TypeScript, és Node.js

• PySpark az AWS EMR-en

• Légáramlás

• Milvus Vector DB Zillizen keresztül

• Elasztikus kutatás

• LLM- gyártási tételek API- k

• Apache Iceberg

• SageMaker, DynamodB, S3, Glue, Kinesis, Lambda, ECS, és Aurora

• Slack, GitHub, Lineáris, Notion, and Cursor

Az interjú folyamata
Gyorsan haladunk, és egy hét alatt befejezhetjük a folyamatot:

• Intro chat

• Kódinterjú

• Rendszertervezési interjú

• Csapatinterjú

• Kulturális és egyeztetési beszélgetés vezérigazgatónkkal, Avery Schraderrel

Előnyök
Amit mi ajánlunk

• Teljesen távoli i

Szükséges készségek

Engineering, Computer Software, Data, Remote

Munka részletei

Tapasztalat: 0 év

Posted: 1 month, 2 weeks Aggodalomból

Nézetek: 800

Alkalmazás Arbeitnow

Forrás: Arbeitnow · megnyitja az eredeti posztot.

Ehhez a szerephez személyre szabott alkalmazást kell készíteni.

Dobja el az önéletrajzát, és írunk egy levelet, amelynek célja, hogy pontosan ezt a listát ~ ingyenes, és készen áll a pillanat, amikor a számla létre.

PDF, Word vagy szöveg. Mi létrehozzuk az ingyenes fiókot a következő képernyőn • nincs kártya.

Egy ilyen szerepre vett fel?

Tegye fel a távoli munkáját a WFHJ-n, és keressen egy megfelelő jelöltet.

Munka feladása ★ ingyenes
Feedback