უფროსი მანქანური სწავლების ინჟინერი

წინა ხაზზე ბიზნესის მართვა არის ოპერატიული თავსატეხი, რომელსაც პროგრამული უზრუნველყოფის უმეტესობა არასოდეს შეხებია. ცვლა-ცვლაში შრომის ხარჯები, რეგიონისა და როლის მიხედვით ცვალებადი შესაბამისობა და ზღვრები იმდენად თხელია, რომ ცუდად აშენებულმა როტამ შეიძლება ჩაძიროს კვარტალი. ეს უფრო რთული პრობლემაა, ვიდრე 대부분의 თეთრკანიანი SaaS, და მაინც წინა ხაზზე სექტორები დასაქმდებიან გლობალური სამუშაო ძალის 80% და მიიღეს ბოლო ათწლეულის პროგრამული უზრუნველყოფის ინვესტიციების დაახლოებით 1%.

ჩვენ ვფიქრობთ, რომ ეს იმიტომ მოხდა, რომ პრობლემას სჭირდებოდა ხელოვნური ინტელექტი, არა მხოლოდ უკეთესი პროგრამული უზრუნველყოფა, სანამ ის გადაჭრის შესაძლებელი გახდება. წინა ხაზზე ორგანიზაციები უზარმაზარ ოპერატიულ მონაცემებზე სხედან. სწორად გამოყენების შემთხვევაში, ეს მონაცემები აძლევს აგენტებს რეალური ნაწილების მიღებას ბიზნესის მართვაში და არა მხოლოდ ანგარიშგებაში. ეს არის ის, რასაც ჩვენ ვაშენებთ სონაში, და ის ადრენია, რომ სისტემები, რომელსაც თქვენ ახლა ააშენებთ, სამ წელიწადში მაინც საფუძვლად დარჩება.

ჩვენ ავწიეთ $100 მილიონზე მეტი N47, Felicis, Gradient და Northzone-დან, მოვაწერეთ 100-ზე მეტი საწარმო კლიენტი დიდ ბრიტანეთში და აშშ-ში, და გავხსენით ოფისები ლონდონში, ნიუ-იორკში, ოსტინსა და ლისბონში. მეტი ინფორმაცია სონაში მუშაობის შესახებ აქ .

როლის შესახებ

თქვენ შეუერთდებით ორნიადან შემდგარ მანქანური სწავლების გუნდს და პროგნოზირების სისტემას, რომელიც ნახევარ საათიანი მოთხოვნის პროგნოზებს აკეთებს მრავალფეროვანი მიზნებისთვის მრავალი რესტორანული ქსელისთვის. ჩვენი პროგნოზირების მოდელები შედიან რთულ გარემოში, სადაც ძირითადი მანქანური და ადამიანური გადაწყვეტილებები მიიღება მათი პროგნოზების საფუძველზე, რომელთაც უკუკავშირის მარყუჟები და მაღალცვალებადი გარემო ემუქრება. სისტემა მუშაობს - გამოწვევა ახლა არის მისი მასშტაბირება რამდენიმე კლიენტიდან ასეულებამდე.

თქვენ მთლიანად ფლობთ კლიენტების გაშვებას: მონაცემების ვალიდაციას, მოდელების შერჩევას, UAT-ის გაშვებას, ცოცხალი წასვლას და მუშაობის მონიტორინგს ამის შემდეგ. თქვენ შეუერთდებით კლიენტების ზარებს, ააშენებთ ურთიერთობებს და გაიგებთ, თუ რა მნიშვნელობა აქვს ადგილზე - არა მხოლოდ რამდენად ზუსტია მოდელი, არამედ რამდენად მოამზადა სამზარეულომ საკვების საჭირო რაოდენობა.

თქვენ მოგეწონებათ ეს როლი თუ:

- თქვენ სიამოვნებით იღებთ პროდუქტისა და შედეგის მთლიან პასუხისმგებლობას. სონაში მანქანური სწავლება წარმატებულია, თუ ჩვენ გვაქვს ბედნიერი კლიენტები, რომლებიც მართავენ წარმატებულ ბიზნესს, ისევე როგორც საუკეთესო ინდუსტრიის მოდელები

- თქვენ ფოკუსირებული ხართ პრობლემის გადაჭრაზე და როდესაც მოგეცემათ არჩევანი "რთული და ბრწყინვალე" და "მარტივი მომხმარებლის წინაშე", თქვენ ირჩევთ ბოლო ვარიანტს

- თქვენ აღფრთოვანებული ხართ ჩვენს ინდუსტრიის ექსპერტებთან მუშაობით, რათა ნამდვილად გაიგოთ, რა ხდება ჩვენი კლიენტების ბიზნესში და რეალობა, რომელიც მუშაობს იქ

- თქვენ ხედავთ მონაცემებს მიღმა იმ სამყაროს, რომელმაც წარმოქმნა ეს მონაცემები, საკითხები, რომლებიც მასთან მოდის და შესაძლებლობები, რომელსაც ის გვაძლევს

- თქვენ გამოცდილი ხართ და აღფრთოვანებული ხართ მანქანური სწავლების პროექტის მიღებით ბიზნეს იდეიდან დეპლოირებულ წარმოების სისტემამდე

- თქვენ იყენებთ ხელოვნური ინტელექტის ინსტრუმენტებს განვითარებისთვის და აღფრთოვანებული ხართ იმით, რაც მათ შეუძლიათ მიაღწიონ მანქანური სწავლებისთვის. თქვენ იყენებთ Claude Code, Cursor ან ექვივალენტს ყოველდღიურად - არა როგორც სიახლეს, არამედ როგორც თქვენს სტანდარტულ სამუშაო რეჟიმს.

ჩვენი როლი არ იქნება თქვენთვის, თუ:

- თქვენ იმედოვნებთ, რომ კვლევას გააკეთებთ და კვლევის პუბლიკაციებს გააკეთებთ, როგორც თქვენს მიერ შესრულებული სამუშაოს ძირითად ელემენტს.

- თქვენ ცდილობთ გადახვიდეთ ნაკლებად ტექნიკურ, უფრო მენეჯერულ როლში.

- თქვენ ცდილობთ მიიღოთ ახალი ტექნოლოგია X და გამოიყენოთ იგი რაღაცისთვის.

- თქვენ გირჩევნიათ იმუშაოთ ერთ რამეზე და გახადოთ ის იდეალური, სანამ გადადიხართ შემდეგზე - როლი მოითხოვს პრაგმატიზმს, პარალელიზმს და განმეორებით გაუმჯობესებას.

მოთხოვნები

თქვენ დაგჭირდებათ ეს უნარები/გამოცდილება წარმატებისთვის:

- წარმოების მანქანური სწავლების გამოცდილება, ML სისტემების დანერგვის გამოცდილებით, რომლებიც გაუმკლავდებიან მოუწესრიგებელ მონაცემებს, ვარდნიან გარკვევით და საჭიროებენ მონიტორინგს.

- ძლიერი ML საფუძვლები - შეგიძლიათ მსჯელობა პრაქტიკაში არსებული კომპრომისების შესახებ, განმარტოთ ფუნქციებისა და მოდელის არჩევანის უკან არსებული "რატომ", და მიიღოთ კარგი გადაწყვეტილებები, როდესაც რაღაც მოულოდნელი მოხდება.

- კლიენტებთან ურთიერთობის გამოცდილება - თქვენ პირადად ფლობდით ML დანერგვას საბოლოოდან ბოლომდე და კომფორტულად ხართ ზარებზე არატექნიკური დაინტერესებულ მხარეებთან.

- ძლიერი პროგრამირების უნარები Python-ში, მათ შორის ML/სამეცნიერო Python სტეკი (მაგ. numpy, scikit-learn).

- ხელოვნური ინტელექტის განვითარების ინსტრუმენტების ყოველდღიური გამოყენება (Claude Code, Cursor, Copilot ან ექვივალენტი) როგორც თქვენი სტანდარტული სამუშაო რეჟიმი.

კარგი იქნება, თუ თქვენ გაქვთ გამოცდილება ზოგიერთ ამ სფეროში:

- პროგნოზირება, დროის სერიები ან მოთხოვნის დაგეგმვა - ადამიანი, რომელიც ინტუიციურად გაგებას პოულობს ლაგ ფუნქციების, კალენდარული ეფექტებისა და შეფასების მთლიანობის შესახებ, მნიშვნელოვნად სწრაფად გადადის.

- ჩვენი სტეკი: Python, scikit-learn, MLflow, Docker, GCP.

- პატარა გუნდი, სადაც საკუთრება ფართოა და კონტექსტის გადართვა ნორმალურია.

სარგებელი

- სალარო: £95,000-£110,000.

- სრულიად დისტანციური (ევროპული დროის ზონები).

- აქციების ოპციები.

- 35 დღიანი შვებულება (25 დღე სტანდარტული პლუს 10 მოქნილი საჯარო დღე).

- დამატებითი შვებულების დღე სამსახურის ყოველი წლისთვის.

- პენსიის შენატანები 5%-მდე.

- ყოვლისმომცველი ჯანმრთელობის დაზღვევა.

- გაძლიერებული მშობლის შვებულება და ანაზღაურება.

- სახელფის შეღავათების საბავშვო ბაღის სქემა (სამუშაო ადგილის საბავშვო ბაღი).

- თანამშრომლების სამუშაო სივრცის შემწეობა ლონდონის გარეთ მდებარე პირებისთვის.

- წ वार्षული გუნდური შეხვედრები ყველა ხარჯის გადახდით.

- უახლესი Macbook და საოფისე ტექნიკის ბიუჯეტი თქვენი სახლის ოფისისთვის.

- პროფესიული განვითარების ბიუჯეტი.

- შეუზღუდავი უფასო წიგნები.

შენიშვნა: ეს წარმოადგენს ტიპურ სარგებელთა პაკეტს დიდი ბრიტანეთის ბაზაზე, სრული განაკვეთით დასაქმებულისთვის. ზუსტი დეტალები შეიძლება განსხვავდებოდეს ადგილმდებარეობისა და დასაქმების ტიპის მიხედვით, მაგრამ ჩვენ ვცდილობთ ვიყოთ სამართლიანი ყველა ჩვენი გუნდის წევრის მიმართ. გთხოვთ, დაუკავშირდეთ თქვენს კონტაქტს ტალენტების გუნდში, რათა განმარტოთ თქვენთვის ხელმისაწვდომი სარგებელი.