Software Engineer, AI/ML, Ads Quality

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

Инженер-разработчик в команду Google Ads Quality, работа над AI/ML-решениями и Generative AI (Gemini) для повышения качества рекламы и защиты пользователей в масштабе миллиардов пользователей.

Задачи

• Писать код для разработки продуктов или систем
• Взаимодействовать с коллегами и стейкхолдерами через дизайн- и код-ревью для соблюдения лучших практик (стиль, точность, тестируемость, эффективность)
• Дополнять существующую документацию или обучающие материалы и адаптировать контент под обновления продукта и фидбек пользователей
• Триажить проблемы продукта или системы, отлаживать и устранять их, анализируя источники проблем и влияние на оборудование, сеть, работу сервисов и качество
• Реализовывать решения в одной или нескольких специализированных ML-областях, использовать ML-инфраструктуру, участвовать в оптимизации моделей и обработке данных

Требования

• Bachelor’s degree или эквивалентный практический опыт
• 2 года опыта разработки ПО на одном или нескольких языках программирования, либо 1 год при наличии продвинутой степени
• 2 года опыта разработки на C++
• 1 год опыта сквозного Machine Learning (деплой модели, оценка модели, обработка данных, отладка)
• 1 год опыта количественного анализа данных
• Предпочтительно: Master's degree или PhD в Computer Science или смежных технических областях
• Предпочтительно: 2 года опыта работы со структурами данных и алгоритмами
• Предпочтительно: опыт разработки доступных технологий
• Предпочтительно: опыт в теории аукционов и смежных дисциплинах (например, теории игр)

Условия

• Зарплата в США: $147000 - $210000 (USD) + целевой бонус 15% + equity + benefits
• Индивидуальная оплата определяется навыками, опытом и образованием/подготовкой
• В большинстве случаев собеседование проходит очно

Навыки

• C++
• Machine Learning
• Generative AI
• Gemini
• Data Structures
• Algorithms
• Quantitative Data Analysis
• Model Deployment
• Model Evaluation
• Data Processing