Ingeniero de Aprendizaje Automático Aplicado, EMEA

Acerca de nosotros:
Fireworks es la plataforma de inteligencia especializada que permite a las empresas crear, entrenar y ofrecer modelos de IA adaptados a sus propios datos, flujos de trabajo y productos. Fundado por el equipo detrás de PyTorch y respaldado por AMD, Atreides, Benchmark Capital, Index Ventures, Lightspeed, NVIDIA, Sequoia Capital y TCV, Fireworks potencia la IA de producción con cientos de modelos abiertos de última generación en cargas de trabajo de texto, imágenes, incrustaciones, audio y multimodales. Hoy en día, Fireworks es una empresa Serie D valorada en 17.500 millones de dólares y reúne a un equipo ambicioso y colaborativo que está construyendo el futuro de la IA empresarial.
El papel:
Como ingeniero de aprendizaje automático aplicado, usted es el propietario técnico de un compromiso con el cliente. Esto es lo que se conoce globalmente como el rol de ingeniero avanzado; en Fireworks en EMEA lleva el título AMLE. Usted se integra con una pequeña cantidad de cuentas, trabaja en su entorno y es dueño de todo lo que se interpone entre ellos y la producción en Fireworks: el modelo, la ruta de servicio, la integración, el rendimiento. Usted determina el alcance del trabajo antes de la firma y entrega lo que determinó. Profundidad sobre amplitud: pocas cuentas, propiedad de principio a fin.
Lo que más valoramos es el pensamiento de primeros principios: razonar sobre problemas desconocidos desde cero en lugar de hacerlo a partir de manuales. Serás evaluado en esto directamente en el proceso de entrevista, y tu fortaleza aquí puede compensar las brechas en otros aspectos de tu experiencia.

Cuatro picos:

• Ingeniería de software. Usted envía sistemas de producción y se siente cómodo en una base de código desconocida o en un entorno de cliente con una fecha límite. Profundidad de backend y sistemas, Python sólido más al menos un lenguaje de sistemas y fluidez con la ingeniería asistida por IA y agencia como parte central de la forma de construir.

• Aprendizaje automático. Se toman modelos abiertos y se mejoran en la tarea del cliente: SFT, LoRA y otros métodos eficientes en parámetros, aprendizaje por refuerzo (RLHF, RLVR), destilación. Igual de importante es diseñar evaluaciones que reflejen la tarea real y permitirles impulsar las decisiones de capacitación, y saber cuándo el ajuste fino no es la respuesta.

• Infraestructura y desempeño. Usted conoce sus GPU: ancho de banda de memoria, núcleos, paralelismo, lo que realmente significan los números de utilización. Optimización de servicio e inferencia: cuantificación, decodificación especulativa, procesamiento por lotes, comportamiento de caché KV, compensaciones entre latencia y rendimiento, servicio de múltiples GPU y múltiples nodos, planificación de capacidad. Puede tomar una implementación que funcione y hacerla rápida y económica, y razonar sobre dónde está el cuello de botella antes de tocar un generador de perfiles.

• Compromiso del cliente. Quieres estar en la habitación. El objetivo de este rol es crear inteligencia especializada para cada cliente: el mejor modelo para su tarea, sus datos, sus limitaciones. Eso requiere un interés real en el problema del cliente, no sólo en el técnico. Lo excepcional aquí parece ser la energía del fundador con los clientes; la palabra es un deseo genuino de integrarlos, explicarlos y poseer resultados con ellos.

Responsabilidades clave:

• Compromisos propios: lleve las implementaciones de los clientes desde el alcance hasta la producción, como único propietario técnico responsable.

• Integrar: trabajar directamente dentro de los equipos de los clientes; comprender su dominio, datos y limitaciones lo suficientemente bien como para tomar decisiones en las que confíen.

• Capacitar y afinar: ejecute trabajos de ajuste y poscapacitación donde el compromiso lo necesite, desde los datos hasta la evaluación y un modelo que sirve en producción.

• Optimizar: impulse el rendimiento y el costo del servicio en Fireworks: elección de modelo, forma de implementación y optimización de inferencias.

• Alcance honesto: evaluar lo que se puede lograr antes de comprometernos y heredar el alcance.

• Señal del producto: transmita lo que los clientes necesitan al producto y a la ingeniería, con suficiente precisión para que sea procesable.

Calificaciones mínimas:

• Picos en dos o las tres áreas.

• Para el aumento de ML: capacitación formal (doctorado, doctorado en curso o una maestría sólida) y experiencia en LLM posteriores a la capacitación específicamente.

• Para el pico de infraestructura: experiencia con infraestructura de GPU, servicio distribuido o motores de inferencia.

• Experiencia de fundador o ingeniero fundador.

• Experiencia en una startup o entorno de ritmo rápido.

¿Por qué fuegos artificiales?

• Resuelva problemas difíciles: aborde los desafíos en la vanguardia de la infraestructura de IA, desde la inferencia de baja latencia hasta el servicio de modelos escalables.

• Construya lo que sigue: trabaje con tecnología de vanguardia que impacte la forma en que las empresas y los desarrolladores aprovechan la IA a nivel mundial.

• Propiedad e impacto: únase a un equipo apasionado y de rápido crecimiento donde su trabajo moldea directamente el futuro de la IA: sin burocracia, solo resultados.

• Aprenda de los mejores: colabore con ingenieros e investigadores de IA de talla mundial que prosperan gracias a la curiosidad y la innovación.

Fireworks AI es un empleador que ofrece igualdad de oportunidades. Celebramos la diversidad y estamos comprometidos a crear un entorno inclusivo para todos los innovadores.
Encuentre trabajo en Reino Unido en Arbeitnow

Fuente: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/fireworks/applied-machine-learning-engineer-emea-london-117330)