Lead Machine Learning Engineer – Recommendation Systems
GRAI
Rola polega na technicznym przywództwie w zakresie budowania i skalowania systemów rekomendacji oraz odkrywania treści w aplikacji muzycznej. Kandydat będzie odpowiedzialny za architekturę, rozwój ML, MLOps i mentoring zespołu. Jest to rola dla doświadczonego inżyniera ML, który chce mieć znaczący wpływ na produkt i strategię techniczną startupu.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: dokładny opis modelu pracy (zdalny/hybrydowy/stacjonarny)., wielkość obecnego zespołu ml..
Rola polega na technicznym przywództwie w zakresie budowania i skalowania systemów rekomendacji oraz odkrywania treści w aplikacji muzycznej. Kandydat będzie odpowiedzialny za architekturę, rozwój ML, MLOps i mentoring zespołu. Jest to rola dla doświadczonego inżyniera ML, który chce mieć znaczący wpływ na produkt i strategię techniczną startupu.
- ✓Znaczące udziały w firmie (Founding-Stage Equity).
- ✓Wysoka autonomia i wpływ na kierunek techniczny.
- ✓Możliwość kształtowania kultury inżynierskiej i roadmapy zatrudnienia w szybko rozwijającym się startupie.
- ✓26 dni płatnego urlopu + 5 dodatkowych dni wolnych i polskie święta.
- ✓Praca nad innowacyjnym produktem w branży muzycznej.
- −Startup w fazie alpha, co może wiązać się z większym ryzykiem i niepewnością.
- !Nie podano konkretnej liczby dni pracy zdalnej/hybrydowej, ale firma jest z Warszawy i zatrudnia zdalnie.
- !Nie podano wielkości zespołu, z którym będzie współpracował kandydat.
- !Nie podano szczegółów dotyczących procesu rekrutacyjnego.
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Definiowanie długoterminowej wizji technicznej i mapy drogowej dla silników rekomendacji i personalizacji.
- •Projektowanie i nadzorowanie implementacji skalowalnych potoków retrieval, ranking i re-ranking.
- •Prowadzenie rozwoju solidnej infrastruktury ML, w tym automatycznego przetwarzania danych, feature stores i monitorowania modeli w czasie rzeczywistym.
- •Mentoring i coaching zespołu inżynierów ML.
- •Projektowanie kompleksowych ram ewaluacji offline i prowadzenie strategii A/B testów.
- •Ścisła współpraca z zespołami Produktu i Inżynierii w celu dopasowania inicjatyw ML do celów biznesowych.
- •Zarządzanie cyklem życia modeli ML w środowisku produkcyjnym.
Stanowisko liderskie — wymaga zarówno doświadczenia technicznego jak i umiejętności zarządzania.
Doświadczony inżynier ML z silnym doświadczeniem w budowaniu systemów rekomendacji i znajomością PyTorch/TensorFlow. Kandydat powinien mieć doświadczenie w pracy z dużymi zbiorami danych i rozumieć podstawy MLOps.
Rola nie jest dla osób, które nie mają doświadczenia w budowaniu systemów rekomendacji na dużą skalę, nie posiadają głębokiej wiedzy z zakresu uczenia maszynowego lub nie czują się komfortowo z prowadzeniem zespołu i definiowaniem strategii technicznej. Juniorzy lub osoby bez doświadczenia w ML mogą nie być odpowiednimi kandydatami.
- ?Jak wygląda obecny zespół ML i jakie są plany jego rozwoju?
- ?Jakie są największe wyzwania techniczne związane z systemami rekomendacji w aplikacji muzycznej?
- ?Jakie są plany dotyczące rozwoju infrastruktury ML i MLOps?
- ?Jak wygląda proces podejmowania decyzji technicznych w zespole?
- ?Jakie są kluczowe metryki sukcesu dla tej roli i dla produktu?
- ?Jakie są plany dotyczące skalowania aplikacji i infrastruktury w najbliższych 1-2 latach?
- ?Jak wygląda proces onboardingu dla nowych członków zespołu?
- −Dokładny opis modelu pracy (zdalny/hybrydowy/stacjonarny).
- −Wielkość obecnego zespołu ML.
- −Szczegółowy opis procesu rekrutacyjnego.
Startup zorientowany na produkt, z wysoką autonomią i możliwością wpływania na kierunek techniczny. Kultura oparta na innowacji, eksperymentowaniu i współpracy, z naciskiem na równowagę między pracą a odpoczynkiem.
Nie podano szczegółów procesu rekrutacyjnego.