Software Engineer II, Cloud AI/ML
Jest to początkujące stanowisko inżyniera oprogramowania w zespole Google Cloud AI/ML. Będziesz pisać kod produkcyjny, uczestniczyć w przeglądach kodu i projektów, debugować problemy systemowe oraz wdrażać podstawowe koncepcje ML w rozwijanych rozwiązaniach. Praca w hybrydowym modelu, z naciskiem na skalowalne systemy i infrastrukturę chmurową.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: wielkość i skład zespołu, szczegółowy proces rekrutacyjny.
Jest to początkujące stanowisko inżyniera oprogramowania w zespole Google Cloud AI/ML. Będziesz pisać kod produkcyjny, uczestniczyć w przeglądach kodu i projektów, debugować problemy systemowe oraz wdrażać podstawowe koncepcje ML w rozwijanych rozwiązaniach. Praca w hybrydowym modelu, z naciskiem na skalowalne systemy i infrastrukturę chmurową.
- ✓Praca nad produktami Google Cloud AI/ML na ogromną skalę
- ✓Możliwość pracy z zaawansowanymi technologiami chmurowymi i ML
- !Brak konkretnych informacji o projekcie lub zespole
- !Nieokreślona liczba dni pracy w biurze przy modelu hybrydowym
- !Brak opisu procesu rekrutacyjnego
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Pisanie kodu w językach Python, C++, Java lub JavaScript
- •Przegląd kodu i projektów z zespołem i interesariuszami
- •Tworzenie i aktualizacja dokumentacji technicznej i edukacyjnej
- •Diagnozowanie i rozwiązywanie problemów produkcyjnych
- •Implementacja rozwiązań z wykorzystaniem podstawowych koncepcji uczenia maszynowego
Oferta odpowiednia dla osób na początku kariery w IT.
Początkujący inżynier z rocznym stażem w programowaniu i podstawową wiedzą ML, który chce rozwijać się w kierunku AI/ML.
Osoby bez minimalnego rocznego doświadczenia w programowaniu lub bez znajomości ML. Rola nie jest odpowiednia dla seniorów szukających pozycji lidera.
- ?Ile osób liczy zespół, do którego dołączę?
- ?Nad jakim konkretnym produktem lub projektem będę pracować?
- ?Jak wygląda typowy dzień pracy – ile czasu poświęcam na kodowanie, debugowanie, przeglądy?
- ?Jaki jest model hybrydowy – ile dni w tygodniu w biurze?
- ?Jakie frameworki ML są używane w zespole (TensorFlow, PyTorch, inne)?
- ?Czy przewidziany jest on-call lub dyżury produkcyjne?
- ?Jak wygląda ścieżka rozwoju na tym stanowisku?
- −Wielkość i skład zespołu
- −Szczegółowy proces rekrutacyjny
- −Konkretna liczba dni pracy w biurze (hybryda)
- −Oczekiwania dotyczące dyżurów on-call
- −Rzeczywiste obowiązki związane z ML (jaka część pracy)