Machine Learning Engineer

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

ML-инженер в команду, строящую систему рекурсивного самоулучшения: циклы обучения, оценки и обратной связи. Роль engineering-first с глубокими требованиями к reinforcement learning и надёжности продакшн-ML.

Задачи

• Строить и поддерживать циклы обучения, оценки и деплоя в ядре системы самоулучшения с упором на воспроизводимость и надёжность
• Проектировать и реализовывать сигналы вознаграждения и обратной связи; исследовать и устранять reward hacking, specification gaming и дрейф распределения
• Создавать evaluation-харнессы и метрики до моделей
• Отвечать за data pipelines и автоматические data flywheels, питающие цикл обучения
• Отлаживать тонкие регрессии качества моделей и стабилизировать обучение и циклы обратной связи, теряющие стационарность
• Сотрудничать с research и product, превращая методы в надёжные, готовые к поставке системы

Требования

• Сильные фундаментальные знания MLE: отличный Python и чистый, хорошо покрытый тестами код обучения ML
• Понимание data pipelines, распределённого/крупномасштабного обучения и experiment tracking
• Навык отладки, почему модель незаметно стала хуже, а не только почему она упала
• Практический опыт работы с циклом обратной связи или обучения хотя бы в одном из вариантов: reward model, evaluation harness, data pipeline для RLHF/RLAIF или active learning
• Опыт retraining или continual-learning пайплайна, где модель использует собственные предсказания или продакшн-данные (ranking, рекомендации, fraud, spam)
• Fine-tuning LLM с human или AI feedback либо построение agentic evaluation harnesses
• Рабочее знание reward modeling, tradeoffs on-policy vs off-policy и credit assignment
• Понимание failure modes систем обратной связи: reward hacking, specification gaming, усиление ошибок в цикле
• Умение оценивать нестационарные системы
• Инстинкт строить eval до модели и относиться к измерению как к первоклассному результату
• Опыт вывода ML-системы в продакшн и поддержания её в рабочем состоянии

Условия

• Бонус: опыт построения или поставки полной системы, улучшающейся от собственных выходов или обратной связи end-to-end (RLHF/RLAIF, self-play, active-learning loops, automated data flywheels, agentic evaluation harnesses)
• Nice to have: PhD или MS в RL/ML в сочетании с реальным продакшн-опытом
• Nice to have: опыт в лаборатории или компании, занимающейся RLHF, агентами или крупномасштабной ML-инфраструктурой
• Nice to have: знакомство с fine-tuning LLM, evaluation-фреймворками или оркестрацией агентов
• Работа над первым в мире healthcare-only LLM с фокусом на безопасность
• Команда, сооснованная CEO Munjal Shah и специалистами из El Camino Health, Johns Hopkins, Washington University in St. Louis, Stanford, Google, Meta, Microsoft, NVIDIA
• Финансирование: $126M Series C при оценке $3.5B, всего $404M от Avenir Growth, CapitalG, General Catalyst, a16z, Kleiner Perkins, Premji Invest, UHS, Cincinnati Children's, WellSpan Health, John Doerr, Rick Klausner и других
• Equal Opportunity Employer

Навыки

• Python
• Reinforcement Learning
• RLHF
• RLAIF
• LLM fine-tuning
• Reward modeling
• Data pipelines
• Distributed training
• Experiment tracking
• Evaluation harnesses
• Active learning
• Continual learning
• Agent orchestration