Staff Software Engineer, On-Device Machine Learning

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

Инженер в команду Google AI Edge, отвечающую за инфраструктуру и решения для развёртывания AI на мобильных, веб- и встраиваемых устройствах. Работа над on-device ML: инструменты для разработчиков, обучение моделей, оптимизация инференса под разные ускорители.

Задачи

• Развивать направления Google AI Edge Developer Tools: AI Edge Gallery, Developer Device Platform, AI Edge Eval
• Обучать task-specific модели для in-app AI, обеспечивать co-design Gemma-модели и рантайма (квантизация, конвертация)
• Создавать on-device AI-решения (голосовой перевод, генеративное редактирование изображений)
• Обеспечивать tooling GTM для on-device Gemma 0-day
• Разворачивать ключевые модели на различных ускорителях (GPU/Pixel TPU/NPU/CPU) на Android, Chrome и других платформах
• Оптимизировать производительность on-device инференса через улучшения представления модели, рантайма и реализации ядер

Требования

• Bachelor’s degree или эквивалентный практический опыт
• 8 лет опыта в разработке ПО
• 5 лет опыта разработки на C++
• 5 лет опыта тестирования и запуска программных продуктов, 3 года опыта проектирования и архитектуры ПО
• 5 лет опыта руководства ML-дизайном и оптимизации end-to-end ML (деплой, оценка моделей, обработка данных, отладка, fine tuning)
• Предпочтительно: Master’s degree или PhD в инженерии, computer science или смежной области
• 8 лет опыта с структурами данных и алгоритмами
• 3 года опыта технического лидерства проектными командами и определения технического направления
• 3 года опыта работы в сложной матричной организации с кросс-функциональными проектами
• Опыт развёртывания on-device ML-моделей

Условия

• Зарплата $207000 - $300000 (USD) + 20% bonus target + equity + benefits
• В большинстве случаев собеседования проходят очно
• Индивидуальная оплата определяется навыками, опытом и образованием

Навыки

• C++
• Machine Learning
• On-device ML
• Model deployment
• Model evaluation
• Data processing
• Fine tuning
• Quantization
• Model conversion
• GPU
• TPU
• NPU
• CPU
• Android
• Chrome
• Gemma
• AI Edge
• Data structures
• Algorithms