Software Engineer, AI Infrastructure, Core

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

Инженер в команду Core (AI Infrastructure) в Google. Разработка production-кода для multi-agent workflows, оркестрации tool-use и пайплайнов serving моделей с фокусом на надёжность, латентность и масштаб.

Задачи

• Проектировать, писать и деплоить production-код для multi-agent workflows, движков оркестрации tool-use и пайплайнов динамического принятия решений
• Внедрять AI-фреймворки и инструменты для ускорения продуктовой разработки и масштабирования агентных приложений
• Строить высокопроизводительные пайплайны serving моделей и среды исполнения в реальном времени с оптимизацией по латентности, надёжности и масштабу
• Интегрировать непрерывные data-driven feedback loops в методологии AI-разработки
• Создавать фреймворки автоматизированного тестирования, непрерывной оценки и observability для контроля покрытия агентов и регрессий
• Внедрять distributed tracing, data lineage и телеметрию (например, OpenTelemetry) в высоконагруженные пайплайны генеративных AI-данных

Требования

• Bachelor’s degree или эквивалентный практический опыт
• 5 лет опыта разработки на Java
• 3 года опыта тестирования, поддержки или запуска программных продуктов и 1 год опыта проектирования и архитектуры ПО
• 1 год опыта с GenAI-техниками (LLM, Multi-Modal, Large Vision Models) или связанными концепциями (language modeling, computer vision)
• Опыт работы с инфраструктурой машинного обучения
• Предпочтительно: Master's degree или PhD в Computer Science или смежной области
• Предпочтительно: 1 год опыта в machine learning, generative AI и AI-алгоритмах
• Предпочтительно: 1 год опыта на технической лидерской роли

Условия

• Зарплата $174000 - $252000 (USD) в год
• Целевой бонус 15%
• Equity
• Benefits
• Возможность выбрать предпочтительную локацию: Austin, TX или New York, NY
• В большинстве случаев собеседования проходят офлайн

Навыки

• Java
• GenAI
• LLM
• Multi-Modal
• Large Vision Models
• machine learning
• computer vision
• OpenTelemetry
• distributed tracing
• data lineage
• model serving