Главный инженер платформы машинного обучения

Synthesia - ведущая в мире платформа ИИ для создания видео для бизнеса, используемая более чем 90% компаний из списка Fortune 100. Компания была основана в 2017 году и имеет штаб-квартиру в Лондоне с офисами и командами по всей Европе и США.

По мере того, как ИИ продолжает формировать наш образ жизни и работы, Synthesia разрабатывает продукты для улучшения визуальной коммуникации и развития навыков предприятий, помогая людям работать лучше и оставаться в центре успешных организаций.

После недавнего раунда финансирования серии E, в ходе которого мы привлекли 200 миллионов долларов, наша оценка составляет 4 миллиарда долларов. Наш общий объем финансирования превышает 530 миллионов долларов от ведущих инвесторов, включая Accel, NVentures (венчурное подразделение Nvidia), Kleiner Perkins, GV и Evantic Capital, а также основателей и операторов Stripe, Datadog, Miro и Webflow.

Мы ищем главного инженера для присоединения к команде платформы машинного обучения в Synthesia.

Наша команда строит и эксплуатирует системы, которые позволяют исследователям и продуктовым командам обучать, обслуживать и развертывать генеративные модели надежно и эффективно. Это включает в себя исследовательскую инфраструктуру, системы производственного обслуживания, внутренние инструменты и интерфейсы платформы, которые соединяют их. Растущая часть нашей миссии - сделать эти системы более дружественными к автоматизации и ориентированными на агентов, чтобы рабочие процессы могли все больше эксплуатироваться с помощью надежных инструментов, а не ручных усилий.

Мы ищем сильного универсального специалиста с системным мышлением:

- кого-то, кто комфортно работает с инфраструктурой, backend-системами и инструментарием и кто имеет опыт работы с системами машинного обучения.

- это не чистая роль инженера машинного обучения. Мы особенно заинтересованы в людях, которые глубоко задумываются о надежности, масштабируемости, производительности и эффективности использования ресурсов в сложных производственных средах.

Это практическая роль IC с существенной собственностью. Вы поможете сформировать то, как наша платформа машинного обучения будет развиваться по мере масштабирования количества моделей, рабочих нагрузок, инструментов и команд, которые полагаются на нее.

Что вы будете делать

- Разрабатывать и улучшать платформенные системы, поддерживающие обучение моделей, оценку и производственное обслуживание.

- Создавать инфраструктуру и инструментарий, которые делают рабочие нагрузки машинного обучения более надежными, масштабируемыми и экономически эффективными.

- Разрабатывать внутренние инструменты и рабочие процессы, которые легко эксплуатировать как людьми, так и агентами.

- Работать над архитектурой, лежащей в основе того, как модели развертываются, обслуживаются и эксплуатируются в исследовательских и продуктовых средах.

- Улучшать то, как мы планируем, отслеживаем и отлаживаем рабочие нагрузки, выполняемые на GPU и облачной инфраструктуре.

- Разрабатывать внутренние инструменты и абстракции и агентные системы, которые снижают операционную нагрузку на исследователей и инженеров.

- Стимулировать улучшения в наблюдаемости, автоматизации, надежности и опыте разработчиков.

- Тесно сотрудничать с исследователями и инженерами-продукционистами, чтобы понять проблемы и превратить их в надежные возможности платформы.

- Вносить вклад в техническое направление и принимать прагматичные архитектурные компромиссы по мере роста платформы.

Вы преуспеете в этой роли, если у вас есть

- Большой опыт создания или эксплуатации производственных систем с фокусом на надежности, масштабируемости и поддерживаемости.

- Системный подход: вы естественным образом мыслите категориями узких мест, режимов отказа, интерфейсов, использования ресурсов и долгосрочной работоспособности.

- Твердый практический опыт работы с облачной инфраструктурой, Linux и автоматизацией инфраструктуры.

- Опыт работы с Kubernetes и эксплуатации распределенных нагрузок в производстве.

- Сильные навыки программирования, желательно на Python или аналогичных языках, используемых для систем backend и инструментов.

- Сильное суждение о том, где автоматизация добавляет рычаг, а где человеческий контроль и надежность имеют наибольшее значение.

- Опыт создания внутренних платформ, инструментов для разработчиков или абстракций инфраструктуры, используемых другими инженерами.

- Комфорт в условиях неопределенности и принятие на себя ответственности за открытые технические проблемы.

- Прагматичный подход: вы заботитесь о решении правильной проблемы хорошо, а не о чрезмерной инженерии.

Особенно актуальный опыт

- Эксплуатация инфраструктуры машинного обучения или систем обслуживания моделей в производстве.

- Поддержка исследовательских или интенсивных рабочих нагрузок.

- Работа с системами на основе GPU или другой производительной инфраструктурой.

- Опыт работы с наблюдаемостью и отладкой в распределенных системах.

- Знакомство с Terraform, Datadog, GitHub Actions или аналогичными инструментами.

Дополнительные баллы за

- Опыт создания внутренних инструментов на основе агентов или LLM.

- Опыт работы с системами оркестровки рабочих процессов, такими как Temporal.

- Опыт работы на границе между исследовательским и производственным инжинирингом.

- Знакомство с оптимизацией производительности, планированием или проблемами распределения ресурсов.

- Опыт создания легких инструментов для продукта или разработчиков.