Ingeniero de aprendizaje automático, IA aplicada

Acerca de
Hoy en día, hay más de 5 mil millones de usuarios que utilizan aplicaciones básicas, como correo electrónico, notas, tareas y calendario, y no son nativas de la IA. Nuestra misión es crear aplicaciones proactivas para cualquier persona en el mundo que no esté acostumbrada a indicaciones complejas. Nuestro objetivo es aportar inteligencia a las conversaciones, los recados, la organización y los flujos de trabajo, con un mínimo o ningún aviso.
Nuestra primera aplicación es una aplicación de comunicación móvil para agentes. Creemos que la creación de aplicaciones que los usuarios utilizan a diario para sus necesidades de comunicación, coordinación y colaboración ayudará a integrar la IA en sus vidas. El efecto neto es eliminar la información errónea, lograr bajos costos de coordinación, permitir tareas de alta calidad y colaboración a escala con una mínima o poca motivación.

Rol
Cree y mejore sistemas de aprendizaje automático que impulsen nuestras aplicaciones nativas de IA.
Trabajar en clasificación, recuperación, clasificación, personalización y evaluación, apropiándose desde el desarrollo del modelo hasta la implementación de producción.
Esta función es para ingenieros que disfrutan resolviendo problemas prácticos de aprendizaje automático, mejorando la calidad del modelo y entregando sistemas confiables utilizados por usuarios reales.

Enfoque

• Cree y mejore modelos de ML para clasificación, clasificación, recuperación y personalización.

• Desarrollar clasificadores eficientes y optimizar la exactitud, precisión, latencia y costo del modelo.

• Mejorar la relevancia de la búsqueda y la recuperación del contexto mediante incrustaciones, búsqueda híbrida y reclasificación.

• Construir modelos de personalización que aprendan del comportamiento del usuario respetando la privacidad.

• Desarrollar canales de evaluación, conjuntos de datos etiquetados y métricas para medir la calidad del modelo.

• Ajustar y adaptar los modelos existentes cuando estén respaldados por datos suficientes.

• Construir y mantener canales de capacitación, inferencia e implementación de ML.

• Depurar problemas de producción, monitorear el rendimiento del modelo y enviar mejoras basadas en comentarios del mundo real.

Pila de tecnología

• Pitón

•PyTorch/JAX

• Incrustaciones, búsqueda de vectores y modelos de clasificación.

• Sistemas de producción de ML y canales de inferencia.

Experiencia ideal

• Bases sólidas en aprendizaje automático y arquitecturas neuronales modernas.

• Experiencia práctica en la creación e implementación de modelos de ML en producción.

• Experiencia en clasificación, ranking, recuperación, sistemas de recomendación o personalización.

• Comprensión de la evaluación de modelos, experimentación y métricas de rendimiento.

• Cómodo escribiendo código con calidad de producción y trabajando con conjuntos de datos del mundo real.

• Capaz de equilibrar la calidad, la latencia, el costo y la confiabilidad del modelo.

• Fuerte propiedad y habilidades para resolver problemas.

Resultados

• Los modelos de aprendizaje automático en producción cumplen con los objetivos esperados de precisión, relevancia, latencia y confiabilidad.

• Las mejoras en clasificación y clasificación ofrecen ganancias mensurables en la calidad del modelo.

• Los procesos de evaluación identifican regresiones y respaldan lanzamientos de modelos confiables.

• Los canales de capacitación, inferencia y datos son sólidos, reproducibles y mantenibles.

• Las mejoras del modelo están impulsadas por comentarios del mundo real y resultados mensurables.

• Colabora eficazmente con equipos de ingeniería y productos para ofrecer funciones confiables impulsadas por ML.

Cómo trabajamos
Los mejores productos del mundo son creados por equipos pequeños de talla mundial. Somos un equipo práctico y de alta densidad de talento. Tomamos decisiones de manera colectiva y nos movemos rápidamente, equilibrando el trabajo de alta calidad con el aprendizaje continuo.
Unirse a nuestro equipo requiere la capacidad de aportar estructura, ejercer criterio y ejecutar de forma independiente. Nuestro objetivo es poner un producto verdaderamente mágico en manos de nuestros usuarios.

Proceso de entrevista
Si parece haber una coincidencia, nos comunicaremos con usted para programar 3, pero no más de 4 entrevistas.
Las solicitudes son evaluadas por los miembros de nuestro equipo técnico. Las entrevistas se realizarán virtualmente y/o presencialmente.
Valoramos la transparencia y la eficiencia, por lo que esperamos una decisión rápida. Si ha demostrado las habilidades y la mentalidad excepcionales que estamos buscando, le ofreceremos una oferta para unirse a nosotros.
Encuentre trabajo en Suiza en Arbeitnow

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