Inżynier ML produktu

O nas
Założona w 2019 roku i będąca częścią kohorty Y Combinator na rok 2020, Photoroom jest wiodącym rozwiązaniem wizualnym dla handlu elektronicznego.

Pozyskaliśmy fundusze z serii B i dotarliśmy do ponad 300 milionów użytkowników na całym świecie, przetwarzając ponad 5 miliardów zdjęć rocznie i obsługując zarówno małe firmy, jak i duże przedsiębiorstwa, takie jak Amazon, DoorDash i Decathlon, za pośrednictwem naszej aplikacji mobilnej, platformy internetowej i API.

Jesteśmy zespołem ponad 100 pasjonatów, którzy dają firmom z branży e-commerce supermoce w tworzeniu materiałów wizualnych, które pomagają im się rozwijać, dzięki czemu znikają najtrudniejsze elementy sprzedaży online. Koncentrujemy się na rzemiośle, innowacjach i współpracy, aby wywrzeć wyjątkowy wpływ na firmy e-commerce na całym świecie.

Podsumowanie roli
Poszukujemy inżyniera ds. uczenia maszynowego produktu, który dołączy do jednego z naszych zespołów ds. doświadczenia produktów — SMB, Scaler lub Enterprise — i będzie odpowiedzialny za stronę ML w krótkich projektach o dużym wpływie.
Będziesz pracować nad skoncentrowanymi problemami uczenia maszynowego z jasnym wynikiem produktu, czasami dostrajając jeden z naszych modeli, czasami integrując najlepszy model dostępny zewnętrznie, ale zawsze wybierając najszybszą i najskuteczniejszą ścieżkę do wartości dla klienta.
Wniesiesz techniczną głębię naukowca stosowanego, pracując z tempem i pragmatyzmem inżyniera produktu. Będziesz właścicielem całej podróży od sformułowania problemu do wysyłki, pomiaru i iteracji funkcji w środowisku produkcyjnym.
To nie jest rola badawcza. Twój horyzont czasowy to tygodnie, a nie kwartały, a sukces mierzy się tym, co dociera do użytkowników i jaki wywiera wpływ.

O roli

• Osadzaj bezpośrednio w zespole ds. produktu. Ściśle współpracuj z zespołem SMB, Scaler lub Enterprise w zakresie skoncentrowanych problemów ML powiązanych z jasnymi wynikami dla klientów i biznesu.

• Własne projekty ML od początku do końca. Sformułuj problem, wybierz podejście, wykonaj plan, wyślij funkcję i monitoruj jej działanie w środowisku produkcyjnym.

• Podejmij decyzję o budowie lub zakupie. Określ, kiedy samodzielnie dostroić lub zbudować model, zamiast integrować model zewnętrzny, interfejs API lub istniejącą bibliotekę.

• Szybkie przejście od pomysłu do produkcji. Pracuj nad projektami w tygodniach, a nie w kwartałach, traktując priorytetowo szybką iterację i wpływ na klienta.

• Ściśle współpracuj z zespołem ML. Wykorzystaj współdzieloną infrastrukturę, narzędzia oceny i wiedzę specjalistyczną, pozostając osadzonym w priorytetach i rytmie zespołu ds. produktu.

• Bądź blisko użytkowników. Otrzymuj szybkie informacje zwrotne od klientów, monitoruj, jak ludzie wykorzystują to, co wysłałeś, i wykorzystuj te spostrzeżenia, aby opracować następną iterację.

• Zrównoważ głębię techniczną z pragmatyzmem. Wiedz, kiedy konieczne są głębsze prace modelarskie i kiedy istniejące rozwiązanie jest już wystarczająco dobre, aby je wysłać.

• Napisz kod produkcyjny. Pracuj bezpośrednio w bazie kodu zespołu odpowiedzialnego za produkt, zamiast korzystać głównie z notatników badawczych i eksperymentów.

• Własna jakość w produkcji. Twórz rzetelne oceny, monitoruj wydajność i badaj awarie po uruchomieniu funkcji.

O Tobie

• Wysłałeś ML do produkcji. Masz ponad 2 lata praktycznego doświadczenia w tworzeniu i dostarczaniu produktów opartych na technologii ML, z dużym doświadczeniem w PyTorch lub równoważnych frameworkach, takich jak TensorFlow lub JAX.

• Posiadasz głębię nauk stosowanych. Możesz dostroić modele wizji lub dyfuzji, zaprojektować znaczące oceny i, jeśli to konieczne, debugować przebiegi szkoleniowe.

• Jesteś pragmatycznym budowniczym. Zależy Ci na rozwiązaniu problemu klienta, a nie na udowadnianiu, że Twój własny model jest najlepszym podejściem. Z przyjemnością skorzystasz z modelu zewnętrznego, interfejsu API lub istniejącej biblioteki, jeśli jest to najszybsza droga do uzyskania korzyści.

• Jesteś zorientowany na produkt. Mierzysz sukces na podstawie dostarczonych funkcji, zachowań użytkowników i wyników biznesowych, a nie samych dokumentów lub testów porównawczych.

• Dobrze znasz produkcyjne bazy kodu. Możesz poruszać się pomiędzy eksperymentowaniem a inżynierią produkcji, pisząc łatwy w utrzymaniu kod, który żyje wewnątrz prawdziwego produktu.

• Masz silną własność. Czujesz się komfortowo podejmując niejednoznaczny problem uczenia maszynowego, decydując, co jest istotne, wybierając podejście i doprowadzając go do produkcji.

• Szybko iterujesz. Lubisz krótkie pętle informacji zwrotnej i wolisz dostarczać coś przydatnego, uczyć się od użytkowników i ulepszać to, niż spędzać miesiące na optymalizacji czegoś, co nie weszło do produkcji.

• Jesteś ciekawy i chętny do współpracy. Możesz zarówno wyjaśnić swoją wiedzę specjalistyczną, jak i uczyć się na podstawie głębokiej wiedzy technicznej wokół ciebie. Cenisz dzielenie się wiedzą i pokorę.

• Biegle władasz językiem angielskim. Francuski nie jest wymagany.

Miło jest mieć: doświadczenie w dostarczaniu generatywnych modeli obrazu lub modeli dyfuzyjnych do produkcji; doświadczenie w ocenie interfejsów API AI stron trzecich w porównaniu z wewnętrznymi alternatywami; doświadczenie w pracy w szybko rozwijającym się startupie lub bezpośrednio w zespole produktowym.

Korzyści

• Konkurencyjne wynagrodzenie + znaczący kapitał własny

• Praca hybrydowa w naszej siedzibie w Paryżu

• Sponsoring wizowy i wsparcie w relokacji do kwoty 10 000 euro

• MacBook Pro i pełna konfiguracja w biurze domowym

• 30 dni urlopu corocznego

• Prywatna opieka zdrowotna

• Regularne wyjazdy firmowe poza teren firmy i rekolekcje drużynowe

• Międzynarodowy zespół anglojęzyczny

• Lekcje języka angielskiego i francuskiego

Proces rekrutacji

• Sesja przesiewowa z badaczem/inżynierem ML

• Przypisanie techniczne w domu i przegląd z zespołem

• Rozmowa kwalifikacyjna i spotkanie z zespołem

• Sprawdzenie referencji i oferta…

Źródło: Arbeitnow (https://www.arbeitnow.fr/jobs/companies/photoroom/product-ml-engineer-paris-429492)