Software Engineering Manager II, AI/ML, Google Cloud Compute
Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.
Менеджер по разработке ПО в команде Google Cloud Compute, руководящий инженерами и ML-направлением. Отвечает за техническое видение, дизайн систем и оптимизацию ML-инфраструктуры.
Задачи
- Формировать и доносить приоритеты команды в соответствии с целями организации
- Согласовывать стратегию, процессы и принятие решений между командами
- Ставить чёткие ожидания сотрудникам с учётом их уровня и роли
- Регулярно обсуждать с сотрудниками производительность и развитие, давать обратную связь и коучинг
- Разрабатывать среднесрочное техническое видение и roadmap в рамках нескольких команд
- Проектировать, направлять и проверять дизайн систем, писать код для решения неоднозначных задач
- Руководить проектированием и внедрением решений в специализированных ML-областях, оптимизировать ML-инфраструктуру
- Направлять разработку стратегий оптимизации моделей и обработки данных
Требования
- Степень бакалавра или эквивалентный практический опыт
- 8 лет опыта разработки ПО на одном или нескольких языках программирования (например, Python, C, C++, Java, JavaScript)
- 5 лет опыта в одной или нескольких областях: речь/аудио, обучение с подкреплением, ML-инфраструктура или другая специализация в ML
- 5 лет опыта руководства ML-дизайном и оптимизацией end-to-end Machine Learning (деплой моделей, оценка, обработка данных, отладка, fine tuning)
- 3 года опыта в роли технического лидера
- 2 года опыта управления людьми или руководства командой
- Предпочтительно: магистратура или PhD в инженерии, computer science или смежной технической области
- Предпочтительно: 3 года опыта работы в организации с кросс-функциональными или кросс-бизнес проектами
Условия
- Зарплата $207000 - $300000 (USD)
- Целевой бонус 20%
- Equity
- Benefits
- Индивидуальная оплата определяется навыками, опытом и образованием
Навыки
- Python
- C
- C++
- Java
- JavaScript
- Machine Learning
- ML infrastructure
- reinforcement learning
- Speech/audio
- model deployment
- model evaluation
- data processing
- fine tuning