Menedżer ds. inżynierii uczenia maszynowego

O Tali

Tala to infrastruktura kredytowa oparta na sztucznej inteligencji, która łączy globalny kapitał z globalną większością. Łączymy zastrzeżoną analizę ryzyka z rozwijającą się siecią partnerów kapitałowych i dystrybucyjnych, aby zapewnić dostęp do kredytów na dużą skalę. Do tej pory Tala przekazała kapitał o wartości ponad 9 miliardów dolarów ponad 14 milionom klientów w Afryce, Ameryce Łacińskiej i Azji, tworząc ostateczny zestaw danych kontekstowych na temat pożyczkobiorców cienkościennych na rynkach wschodzących. Tala przekształca teraz ten fundament we wspólną infrastrukturę, na której mogą budować partnerzy, dostawcy kapitału i ekosystemy.

Firma dwukrotnie znalazła się na liście Fortune Impact 20, dwukrotnie na liście najlepszych firm fintechowych na świecie CNBC, przez pięć lat na liście CNBC Disruptor 50 i przez dziesięć lat z rzędu na liście Fintech 50 magazynu Forbes.

Biorąc pod uwagę globalny charakter naszego zespołu, działamy zdalnie, korzystając z centrów biurowych w Santa Monica w Kalifornii (siedziba główna); Nairobi, Kenia; Miasto Meksyk, Meksyk; Manila, Filipiny; i Bangalore w Indiach.

Większość Talazenów dołącza do nas, ponieważ łączą się z naszą misją. Jeśli czerpiesz energię z wpływu, jaki możesz wywrzeć w Tala, chętnie usłyszymy od Ciebie!

Rola

Poszukujemy menedżera ds. inżynierii uczenia maszynowego, który poprowadzi zespół platformy ML Tala. Ta osoba będzie zarządzać zespołem inżynierów uczenia maszynowego odpowiedzialnych za budowanie platform, frameworków i infrastruktury, które umożliwiają naszym zespołom Data Science bezpieczne szkolenie, wdrażanie, monitorowanie i obsługę modeli uczenia maszynowego na dużą skalę.

Jest to rola menadżerska zawodnika-trenera. Będziesz odpowiedzialny za rozwój i rozwój zespołu, zapewniając jednocześnie wystarczające przywództwo techniczne, aby kierować architekturą, praktykami inżynieryjnymi, niezawodnością i systemami produkcyjnymi. Rola ta koncentruje się szczególnie na systemach wnioskowania i strumieniowego przesyłania danych w czasie rzeczywistym, a także na platformach obsługujących opracowywanie i wdrażanie modeli wsadowych.

Co zrobisz

Prowadź i rozwijaj zespół

• Zarządzaj i rozwijaj zespół 4–6 inżynierów zajmujących się uczeniem maszynowym na poziomach od średniego do wyższego.

• Zatrudnij, pozyskuj, przeprowadzaj wywiady i zamykaj silne talenty MLE.

• Ustal jasne oczekiwania, regularnie przekazuj informacje zwrotne i twórz plany rozwoju dla bezpośrednich podwładnych.

• Szkoluj inżynierów w kierunku wzrostu i awansu, jednocześnie bezpośrednio i przemyślanie eliminując luki w wynikach.

• Stwarzaj inżynierom możliwości podejmowania ambitnych projektów i rozwijania ich przywództwa technicznego.

Własna dostawa inżynieryjna

• Wyznaczaj cele kwartalne i dbaj o to, aby zespół konsekwentnie je realizował.

• Własne ustalanie priorytetów w zakresie prac nad planem rozwoju produktu, działań biznesowych i doskonałości operacyjnej.

• Zrównoważyć potencjał zespołu w zakresie nowego rozwoju, konserwacji, długu technicznego i wsparcia produkcyjnego.

• Popraw produktywność zespołu, ograniczając przełączanie kontekstu i skutecznie delegując zadania.

• Współpracuj z inżynierami i kierownikami technicznymi w celu oszacowania i określenia zakresu złożonych prac.

Zapewnij przywództwo techniczne

• Kierowanie rozwojem platform i struktur, które umożliwiają badaczom i analitykom danych eksplorowanie danych, opracowywanie funkcji oraz trenowanie, testowanie, wdrażanie i monitorowanie modeli uczenia maszynowego.

• Zapewnij wiodącą pozycję techniczną w zakresie infrastruktury modeli, wnioskowania w czasie rzeczywistym, ekstrakcji funkcji strumieniowych, przetwarzania wsadowego i produkcyjnych systemów uczenia maszynowego.

• Stosuj solidne praktyki inżynieryjne w zakresie testowania, automatyzacji, obserwowalności, odporności na błędy, infrastruktury jako kodu i wdrażania.

• Posiadaj i ulepszaj SLO, stan dyżurów, planowanie wydajności, niezawodność i reagowanie na incydenty.

• Przeglądanie projektów technicznych i pomoc w ustalaniu standardów architektonicznych i redukcji długu technicznego.

Partner w całej organizacji

• Ściśle współpracować z zespołami zajmującymi się nauką danych, inżynierią danych, platformą danych, produktami, kredytami i rozwojem biznesu.

• Przekładanie potrzeb biznesowych i technicznych na skalowalne rozwiązania platformy uczenia maszynowego.

• Koordynuj zależności i dostarczanie w wielu zespołach inżynieryjnych i zajmujących się danymi.

• Pomóż stworzyć strukturę i przejrzystość w środowisku, w którym mogą ewoluować priorytety i wymagania.

Czego będziesz potrzebować

Doświadczenie w zarządzaniu

• Ponad 2 lata bezpośredniego zarządzania inżynierami, w tym zatrudniania, zarządzania wynikami, coachingu i rozwoju kariery.

• Doświadczenie w zarządzaniu zespołem przez co najmniej jeden pełny cykl wydajności.

• Wykazana umiejętność instruowania inżynierów w zakresie awansu i skutecznego radzenia sobie ze słabymi wynikami.

• Doświadczenie w wyznaczaniu celów zespołu, ustalaniu priorytetów, szacowaniu i realizacji.

• Doświadczenie w produkcji na wezwanie, reagowaniu na incydenty i planowaniu wydajności.

• Chęć aktywnego zaangażowania w pozyskiwanie, przeprowadzanie rozmów kwalifikacyjnych i zamykanie talentów inżynierskich.

Doświadczenie techniczne

• Ponad 6 lat doświadczenia w inżynierii oprogramowania zaplecza w aplikacjach konsumenckich.

• Co najmniej 3 lata praktycznego doświadczenia w Pythonie.

• Doświadczenie w budowaniu i obsłudze systemów uczenia maszynowego lub systemów wnioskowania przyczynowego w środowisku produkcyjnym.

• Wcześniejsze doświadczenie zawodowe w budowaniu i wdrażaniu modeli ML lub infrastruktury ML.

• Możliwość uczestniczenia w dyskusjach na temat architektury technicznej i projektowania systemów oraz zapewniania wskazówek technicznych bez konieczności bycia głównym programistą.

• Silne zrozumienie jakości oprogramowania, bezpieczeństwa, niezawodności, testowania i operacji produkcyjnych.

Umiejętności techniczne

Jesteśmy szczególnie zainteresowani kandydatami z doświadczeniem w:

• Języki: Python, SQL

• Uczenie maszynowe: Jupyter, Pandas, Scikit-Learn, XGBoost, TensorFlow, PyTorch, Hugging Face

• Chmura i infrastruktura: AWS, GCP, Azure, Kubernetes, Docker

• Transmisja strumieniowa: Kafka, Kinesis, Beam, Flink, Spark Streaming

• Przetwarzanie wsadowe: przepływ powietrza, metaprzepływ

• Bazy danych: MySQL, PostgreSQL, Cassandra, Snowflake, Druid i/lub podobne technologie

• API: REST, GraphQL, gRPC, Bufory protokołów

• Inżynieria produkcji: DevOps, SLO, monitorowanie/obserwowalność, dyżury, planowanie wydajności, analiza przyczyn źródłowych

• ML/Analytics: uczenie maszynowe, wnioskowanie przyczynowe, skalowalne algorytmy

Kompensacja…

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