Manager, Maschinelles Lernen

Über Tala

Tala ist die KI-native Kreditinfrastruktur, die globales Kapital mit der globalen Mehrheit verbindet. Wir kombinieren proprietäre Risikoinformationen mit einem wachsenden Netzwerk von Kapital- und Vertriebspartnern, um den Kreditzugang in großem Maßstab zu ermöglichen. Bis heute hat Tala mehr als 9 Milliarden US-Dollar an Kapital an mehr als 14 Millionen Kunden in Afrika, Lateinamerika und Asien verteilt und so den endgültigen kontextbezogenen Datensatz zu Kreditnehmern mit geringer Aktenzahl in Schwellenländern erstellt. Tala wandelt dieses Fundament nun in eine gemeinsame Infrastruktur um, auf der Partner, Kapitalgeber und Ökosysteme aufbauen können.

Das Unternehmen wurde in die Liste „Fortune Impact 20“, zweimal in die Liste „World’s Top Fintech Companies“ von CNBC, fünf Jahre in die Liste „Disruptor 50“ von CNBC und zehn Jahre in Folge in die Liste „Fintech 50“ von Forbes aufgenommen.

Aufgrund des globalen Charakters unseres Teams arbeiten wir nach einem Remote-First-Ansatz mit Bürozentren in Santa Monica, Kalifornien (Hauptsitz); Nairobi, Kenia; Mexiko-Stadt, Mexiko; Manila, Philippinen; und Bangalore, Indien.

Die meisten Talazens schließen sich uns an, weil sie mit unserer Mission verbunden sind. Wenn Sie von der Wirkung, die Sie bei Tala erzielen können, begeistert sind, würden wir uns freuen, von Ihnen zu hören!

Die Rolle

Wir suchen einen Manager für Machine Learning Engineering, der das ML-Plattform-Team von Tala leitet. Diese Person wird ein Team von Machine-Learning-Ingenieuren leiten, die für den Aufbau der Plattformen, Frameworks und Infrastruktur verantwortlich sind, die es unseren Data-Science-Teams ermöglichen, Machine-Learning-Modelle in großem Maßstab sicher zu trainieren, bereitzustellen, zu überwachen und zu betreiben.

Dies ist eine Führungsrolle als Spielertrainer. Sie sind für die Entwicklung und das Wachstum des Teams verantwortlich und stellen gleichzeitig genügend technische Führung bereit, um Architektur, technische Praktiken, Zuverlässigkeit und Produktionssysteme zu leiten. Der Schwerpunkt der Rolle liegt insbesondere auf Inferenz- und Streaming-Datensystemen für maschinelles Lernen in Echtzeit sowie auf den Plattformen, die die Entwicklung und Bereitstellung von Batch-Modellen unterstützen.

Was Sie tun werden

Führen und erweitern Sie das Team

• Verwalten und entwickeln Sie ein Team von 4 bis 6 Ingenieuren für maschinelles Lernen auf mittlerer bis höherer Ebene.

• Stellen Sie starke MLE-Talente ein, finden Sie sie, interviewen Sie sie und schließen Sie sie eng zusammen.

• Legen Sie klare Erwartungen fest, geben Sie regelmäßig Feedback und erstellen Sie Entwicklungspläne für direkt unterstellte Mitarbeiter.

• Coachen Sie Ingenieure in Richtung Wachstum und Beförderung und gehen Sie Leistungsdefizite direkt und durchdacht an.

• Schaffen Sie Möglichkeiten für Ingenieure, anspruchsvolle Projekte anzunehmen und ihre technische Führung auszubauen.

Eigene technische Lieferung

• Legen Sie vierteljährliche Ziele fest und stellen Sie sicher, dass das Team diese konsequent erfüllt.

• Eigene Priorisierung bei der Arbeit an der Produkt-Roadmap, den laufenden Geschäftsaktivitäten und der operativen Exzellenz.

• Gleichen Sie die Teamkapazität auf Neuentwicklung, Wartung, technische Schulden und Produktionsunterstützung aus.

• Verbessern Sie die Teamproduktivität, indem Sie den Kontextwechsel reduzieren und effektiv delegieren.

• Arbeiten Sie mit Ingenieuren und technischen Leitern zusammen, um komplexe Arbeiten abzuschätzen und festzulegen.

Bieten Sie technische Führung

• Leiten Sie die Entwicklung von Plattformen und Frameworks, die es Datenwissenschaftlern und -analysten ermöglichen, Daten zu untersuchen, Funktionen zu entwickeln und ML-Modelle zu trainieren, zu testen, bereitzustellen und zu überwachen.

• Bieten Sie technische Führung in den Bereichen Modellinfrastruktur, Echtzeit-Inferenz, Streaming-Feature-Extraktion, Stapelverarbeitung und Produktions-ML-Systeme.

• Fördern Sie starke technische Praktiken rund um Tests, Automatisierung, Beobachtbarkeit, Fehlertoleranz, Infrastructure-as-Code und Bereitstellung.

• Besitzen und verbessern Sie SLOs, Bereitschaftszustand, Kapazitätsplanung, Zuverlässigkeit und Reaktion auf Vorfälle.

• Überprüfen Sie technische Entwürfe und helfen Sie dabei, architektonische Standards und die Reduzierung technischer Schulden voranzutreiben.

Partner im gesamten Unternehmen

• Arbeiten Sie eng mit den Teams für Data Science, Data Engineering, Datenplattform, Produkt, Kredit und Geschäftsentwicklung zusammen.

• Übersetzen Sie geschäftliche und technische Anforderungen in skalierbare ML-Plattformlösungen.

• Koordinieren Sie Abhängigkeiten und Bereitstellung über mehrere Engineering- und Datenteams hinweg.

• Helfen Sie dabei, Struktur und Klarheit in einem Umfeld zu schaffen, in dem sich Prioritäten und Anforderungen weiterentwickeln können.

Was Sie brauchen

Managementerfahrung

• Mehr als zwei Jahre direkte Leitung von Ingenieuren, einschließlich Einstellung, Leistungsmanagement, Coaching und Karriereentwicklung.

• Erfahrung in der Leitung eines Teams über mindestens einen vollständigen Leistungszyklus.

• Nachgewiesene Fähigkeit, Ingenieure bei der Beförderung zu coachen und Leistungsmängel effektiv zu beheben.

• Erleben Sie die Verantwortung für Teamziele, Priorisierung, Schätzung und Umsetzung.

• Erfahrung mit Produktionsbereitschaft, Reaktion auf Vorfälle und Kapazitätsplanung.

• Bereitschaft, sich aktiv an der Suche, Befragung und Schließung von Ingenieurtalenten zu beteiligen.

Technische Erfahrung

• Mehr als 6 Jahre Erfahrung im Backend-Software-Engineering für Anwendungen im Verbrauchermaßstab.

• Mindestens 3 Jahre praktische Python-Erfahrung.

• Erfahrung im Aufbau und Betrieb von maschinellen Lern- oder Kausalinferenzsystemen in der Produktion.

• Frühere Berufserfahrung im persönlichen Aufbau und Einsatz von ML-Modellen oder ML-Infrastruktur.

• Fähigkeit, an Diskussionen über technische Architektur und Systemdesign teilzunehmen und technische Anweisungen zu geben, ohne der Hauptprogrammierer sein zu müssen.

• Ausgeprägtes Verständnis für Softwarequalität, Sicherheit, Zuverlässigkeit, Tests und Produktionsabläufe.

Technische Fähigkeiten

Wir sind besonders an Kandidaten mit Erfahrung in folgenden Bereichen interessiert:

• Sprachen: Python, SQL

• Maschinelles Lernen: Jupyter, Pandas, Scikit-Learn, XGBoost, TensorFlow, PyTorch, Hugging Face

• Cloud und Infrastruktur: AWS, GCP, Azure, Kubernetes, Docker

• Streaming: Kafka, Kinesis, Beam, Flink, Spark-Streaming

• Stapelverarbeitung: Airflow, Metaflow

• Datenbanken: MySQL, PostgreSQL, Cassandra, Snowflake, Druid und/oder ähnliche Technologien

• APIs: REST, GraphQL, gRPC, Protokollpuffer

• Produktionstechnik: DevOps, SLOs, Überwachung/Beobachtbarkeit, Bereitschaftsdienst, Kapazitätsplanung, Ursachenanalyse

• ML/Analytics: Maschinelles Lernen, kausale Schlussfolgerung, skalierbare Algorithmen

Entschädigung…

Quelle: Jobicy (https://jobicy.com/jobs/156097-manager-machine-learning-engineering)