Ingenieur für maschinelles Lernen, Angewandte KI

Über
Heutzutage nutzen über 5 Milliarden Benutzer grundlegende Anwendungen wie E-Mail, Notizen, Aufgaben und Kalender, und diese sind nicht auf KI-basiert. Unsere Mission ist es, proaktive Anwendungen für jeden auf der Welt zu entwickeln, der nicht an komplexe Eingabeaufforderungen gewöhnt ist. Unser Ziel ist es, Gespräche, Besorgungen, Organisation und Arbeitsabläufe mit minimaler oder gar keiner Aufforderung intelligent zu gestalten.
Unsere erste Anwendung ist eine Agent-First-Mobilkommunikations-App. Wir glauben, dass die Entwicklung von Anwendungen, die Benutzer täglich für Kommunikations-, Koordinations- und Kollaborationsanforderungen verwenden, dazu beitragen wird, KI in ihr Leben zu integrieren. Der Nettoeffekt besteht darin, Fehlinformationen zu beseitigen, niedrige Koordinierungskosten zu erzielen, qualitativ hochwertige Aufgaben und Zusammenarbeit in großem Maßstab mit minimaler oder geringer Aufforderung zu ermöglichen.

Rolle
Erstellen und verbessern Sie ML-Systeme, die unsere KI-nativen Anwendungen unterstützen.
Arbeiten Sie an Klassifizierung, Abruf, Rangfolge, Personalisierung und Bewertung und übernehmen Sie die Verantwortung von der Modellentwicklung bis zur Produktionsbereitstellung.
Diese Rolle richtet sich an Ingenieure, die Spaß daran haben, praktische ML-Probleme zu lösen, die Modellqualität zu verbessern und zuverlässige Systeme bereitzustellen, die von echten Benutzern verwendet werden.

Konzentrieren Sie sich

• Erstellen und verbessern Sie ML-Modelle für Klassifizierung, Ranking, Abruf und Personalisierung.

• Entwickeln Sie effiziente Klassifikatoren und optimieren Sie Modellgenauigkeit, Präzision, Latenz und Kosten.

• Verbessern Sie die Suchrelevanz und den Kontextabruf durch Einbettungen, Hybridsuche und Reranking.

• Erstellen Sie Personalisierungsmodelle, die aus dem Benutzerverhalten lernen und gleichzeitig die Privatsphäre respektieren.

• Entwickeln Sie Bewertungspipelines, gekennzeichnete Datensätze und Metriken, um die Modellqualität zu messen.

• Feinabstimmung und Anpassung bestehender Modelle, sofern diese durch ausreichende Daten unterstützt werden.

• Erstellen und pflegen Sie ML-Schulungs-, Inferenz- und Bereitstellungspipelines.

• Beheben Sie Produktionsprobleme, überwachen Sie die Modellleistung und liefern Sie Verbesserungen basierend auf realem Feedback.

Tech-Stack

• Python

• PyTorch / JAX

• Einbettungen, Vektorsuche und Ranking-Modelle

• Produktions-ML-Systeme und Inferenzpipelines

Ideale Erfahrung

• Starke Grundlagen in maschinellem Lernen und modernen neuronalen Architekturen.

• Praktische Erfahrung beim Erstellen und Bereitstellen von ML-Modellen in der Produktion.

• Erfahrung in den Bereichen Klassifizierung, Ranking, Retrieval, Empfehlungssysteme oder Personalisierung.

• Verständnis für Modellbewertung, Experimente und Leistungsmetriken.

• Bequemes Schreiben von Code in Produktionsqualität und Arbeiten mit realen Datensätzen.

• Kann Modellqualität, Latenz, Kosten und Zuverlässigkeit in Einklang bringen.

• Starke Eigenverantwortung und Problemlösungsfähigkeiten

Ergebnisse

• ML-Modelle in der Produktion erfüllen die erwarteten Genauigkeits-, Relevanz-, Latenz- und Zuverlässigkeitsziele.

• Klassifizierungs- und Rankingverbesserungen führen zu messbaren Verbesserungen der Modellqualität.

• Evaluierungspipelines identifizieren Regressionen und unterstützen zuverlässige Modellfreigaben.

• Trainings-, Inferenz- und Datenpipelines sind robust, reproduzierbar und wartbar.

• Modellverbesserungen basieren auf realem Feedback und messbaren Ergebnissen.

• Arbeitet effektiv mit Technik- und Produktteams zusammen, um zuverlässige ML-gestützte Funktionen bereitzustellen.

Wie wir arbeiten
Die besten Produkte der Welt werden von kleinen, erstklassigen Teams gebaut. Wir sind ein praxisorientiertes Team mit hoher Talentdichte. Wir treffen Entscheidungen gemeinsam und handeln schnell, wobei wir qualitativ hochwertige Arbeit mit kontinuierlichem Lernen in Einklang bringen.
Der Beitritt zu unserem Team erfordert die Fähigkeit, Struktur einzubringen, Urteilsvermögen zu üben und selbstständig zu handeln. Unser Ziel ist es, unseren Benutzern ein wirklich magisches Produkt in die Hände zu geben.

Interviewprozess
Wenn es den Anschein hat, dass es passt, werden wir uns an einem Termin für 3, aber nicht mehr als 4 Vorstellungsgespräche orientieren.
Bewerbungen werden von unseren technischen Teammitgliedern bewertet. Vorstellungsgespräche werden virtuell und/oder vor Ort durchgeführt.
Wir legen Wert auf Transparenz und Effizienz und erwarten daher eine schnelle Entscheidung. Wenn Sie die von uns gesuchten außergewöhnlichen Fähigkeiten und Denkweisen unter Beweis gestellt haben, unterbreiten wir Ihnen ein Angebot, sich uns anzuschließen.
Finden Sie Jobs in der Schweiz auf Arbeitnow

Quelle: Arbeitnow (https://www.arbeitnow.ch/jobs/companies/bjak/machine-learning-engineer-applied-ai-zurich-427794)