Staff Software Engineer, AI/ML, ML Infrastructure, Search Ads
Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.
Staff-инженер в команду ML Infrastructure в Google Ads. Задача — строить и развивать инфраструктуру для обучения, оценки и деплоя ML-моделей, включая GenAI/LLM, на масштабе рекламных систем.
Задачи
- Исследовать новые технологии и принимать решения о trade-off между быстрыми победами и долгосрочной стабильностью
- Дорабатывать инфраструктуру обучения и serving для поддержки новых методов моделирования и продуктов
- Плотно сотрудничать с членами команды и партнёрами, чтобы системы бесшовно интегрировались в экосистему
- Повышать надёжность, стабильность и удобство ML-инфраструктуры
- Взаимодействовать с командами моделирования для выявления проблем и новых сценариев использования
Требования
- Bachelor’s degree или эквивалентный практический опыт
- 8 лет опыта в разработке ПО
- 5 лет опыта руководства ML-дизайном и оптимизации end-to-end ML (деплой, оценка моделей, обработка данных, отладка)
- 2 года опыта с современными GenAI-техниками (LLM, Multi-Modal, Large Vision Models) или связанными концепциями
- Опыт построения и архитектуры ML-систем и инфраструктуры (обучение, оценка, деплой, serving)
- Опыт проектирования и эксплуатации распределённых вычислительных систем для крупномасштабных AI/ML-нагрузок
- Предпочтительно: Master’s degree или PhD в Engineering, Computer Science или смежной области
- Предпочтительно: 8 лет опыта с data structures и algorithms
- Предпочтительно: 3 года опыта технического лидерства и задания технического направления
- Предпочтительно: опыт работы в сложной матричной организации с кросс-функциональными проектами
- Предпочтительно: опыт ML-моделирования, в частности с LLM
- Предпочтительно: опыт дизайна распределённых ML-систем
Условия
- Зарплата $207000 - $300000 (USD)
- Целевой бонус 20%
- Equity
- Benefits
- Возможность выбрать предпочтительную локацию: Mountain View, CA или Pittsburgh, PA
- Интервью проходят в формате in-person
Навыки
- Machine Learning
- GenAI
- LLM
- Multi-Modal
- Large Vision Models
- Computer Vision
- Distributed Computing
- Data Structures
- Algorithms
- Model Training
- Model Deployment
- Model Serving
- Data Processing