ambi.
Bjak
Engenheiro(a) de Machine Learning, Ranking & Retrieval
Sobre
Hoje, mais de 5 bilhões de usuários utilizam aplicativos básicos como e-mail, notas, tarefas e calendário que não são nativos de IA. Nossa missão é construir aplicativos proativos para qualquer pessoa no mundo, que não está acostumada com prompts complexos. Nosso objetivo é trazer inteligência para conversas, recados, organização e fluxos de trabalho, com o mínimo ou nenhum prompt.
Nosso primeiro aplicativo é um app de comunicação móvel focado em agentes. Acreditamos que construir aplicativos que os usuários usam diariamente para comunicação, coordenação e colaboração ajudará a integrar a IA em suas vidas. O efeito líquido é eliminar a desinformação, alcançar baixos custos de coordenação, permitir tarefas e colaboração de alta qualidade em escala com o mínimo ou pouco prompt.
Como Trabalhamos
Os melhores produtos do mundo são construídos por equipes pequenas e de classe mundial. Somos uma equipe com alta densidade de talentos e hands-on. Tomamos decisões coletivamente e agimos rapidamente, equilibrando trabalho de alta qualidade com aprendizado contínuo.
Entrar em nossa equipe exige a capacidade de trazer estrutura, exercer bom senso e executar de forma independente. Nosso objetivo é colocar um produto verdadeiramente mágico nas mãos de nossos usuários.
Responsabilidades
Construir e aprimorar sistemas de ML que impulsionam nossos aplicativos nativos de IA.
Trabalhar em classificação, retrieval, ranking, personalização e avaliação, assumindo a responsabilidade desde o desenvolvimento do modelo até a implantação em produção.
Esta vaga é para engenheiros que gostam de resolver problemas práticos de ML, melhorar a qualidade dos modelos e entregar sistemas confiáveis usados por usuários reais.
Foco
- Construir e aprimorar modelos de ML para classificação, ranking, retrieval e personalização.
- Desenvolver classificadores eficientes e otimizar a precisão, acurácia, latência e custo do modelo.
- Melhorar a relevância da busca e o retrieval de contexto usando embeddings, busca híbrida e reranking.
- Construir modelos de personalização que aprendem com o comportamento do usuário, respeitando a privacidade.
- Desenvolver pipelines de avaliação, datasets rotulados e métricas para medir a qualidade do modelo.
- Ajustar e adaptar modelos existentes quando suportado por dados suficientes.
- Construir e manter pipelines de treinamento, inferência e implantação de ML.
- Depurar problemas de produção, monitorar o desempenho do modelo e entregar melhorias com base no feedback do mundo real.
Stack Tecnológico
- Python
- PyTorch / JAX
- Embeddings, busca vetorial e modelos de ranking
- Sistemas de ML em produção e pipelines de inferência
Resultados Esperados
- Modelos de ML em produção atendem às metas esperadas de acurácia, relevância, latência e confiabilidade.
- Melhorias em classificação e ranking entregam ganhos mensuráveis na qualidade do modelo.
- Pipelines de avaliação identificam regressões e suportam lançamentos confiáveis de modelos.
- Pipelines de treinamento, inferência e dados são robustos, reproduzíveis e fáceis de manter.
- Melhorias de modelo são impulsionadas por feedback do mundo real e resultados mensuráveis.
- Colabora efetivamente com equipes de engenharia e produto para entregar recursos confiáveis impulsionados por ML.
Processo de Entrevista
Se houver uma aparente compatibilidade, entraremos em contato para agendar 3, mas não mais que 4 entrevistas.
As candidaturas são avaliadas por membros da nossa equipe técnica. As entrevistas serão realizadas virtualmente e/ou presencialmente.
Valorizamos transparência e eficiência, então espere uma decisão rápida. Se você demonstrou as habilidades e a mentalidade excepcionais que procuramos, estenderemos uma oferta para se juntar a nós.
Experiência Ideal
- Fortes bases em machine learning e arquiteturas neurais modernas.
- Experiência prática na construção e implantação de modelos de ML em produção.
- Experiência em classificação, ranking, retrieval, sistemas de recomendação ou personalização.
- Compreensão de avaliação de modelos, experimentação e métricas de desempenho.
- Confortável escrevendo código de qualidade de produção e trabalhando com datasets do mundo real.
- Capacidade de equilibrar qualidade do modelo, latência, custo e confiabilidade.
- Forte senso de responsabilidade, habilidades de resolução de problemas
