Ingeniero de ML III (Habilitación para Investigación)

Sobre el rol

Acelere la investigación en machine learning construyendo las bases de ingeniería, flujos de trabajo y herramientas compartidas que los investigadores necesitan para iterar a escala. Integrado en el equipo de IA, trabajará con investigadores e ingenieros para convertir necesidades de investigación en evolución en capacidades confiables y reutilizables.

A diferencia de un rol convencional de MLOps enfocado en desplegar un único modelo o característica bien definida, este rol apoya un conjunto amplio y cambiante de flujos de trabajo de investigación en los que los modelos y los pipelines de ML son ellos mismos el producto. El candidato ideal tiene una sólida experiencia en ingeniería de plataforma, MLOps o DevOps/infraestructura, entiende el ciclo de vida de ML y está motivado para ayudar a los investigadores a resolver problemas ambiguos más rápido.

Responsabilidades clave

• Colaborar con investigadores de ML en equipos de IA generativa para identificar cuellos de botella y mejorar la velocidad, la escala y la confiabilidad de la iteración de investigación
• Diseñar, construir y mantener infraestructura de investigación reutilizable, flujos de trabajo, plantillas, interfaces y automatización para experimentación, entrenamiento, evaluación, procesamiento de datos y empaquetado de modelos
• Habilitar experimentos reproducibles mediante entornos consistentes, gestión de dependencias, versionado de artefactos y modelos, configuración, observabilidad y prácticas de CI/CD
• Apoyar cargas de trabajo de ML escalables que involucren grandes conjuntos de datos, clústeres de GPU, cómputo distribuido y múltiples modelos, servicios y componentes algorítmicos interconectados
• Entregar capacidades prácticas de habilitación de investigación para necesidades inmediatas, manteniéndolas alineadas con la arquitectura y la hoja de ruta de la plataforma central de ML
• Actuar como puente técnico entre investigadores y el equipo de la plataforma de ML: traducir puntos de dolor de la investigación en requisitos claros de plataforma, validar nuevas capacidades y ayudar a los equipos de investigación a adoptar la plataforma compartida
• Mejorar el camino de la investigación al producto, haciendo que los resultados de investigación sean más fáciles de reproducir, integrar y probar
• Contribuir a estándares y arquitectura de ingeniería de ML compartidos entre equipos, y fomentar sólidas prácticas de ingeniería mediante colaboración práctica, orientación técnica y compartir conocimiento
• Evaluar e introducir tecnologías que mejoren sustancialmente la velocidad, la confiabilidad, la escalabilidad y la eficiencia de costos de la investigación

Requisitos

• Grado en Ciencias de la Computación, Ingeniería en Computación o campo relacionado
• 4+ años de experiencia en ingeniería de plataforma, DevOps, ingeniería de backend, infraestructura de ML, MLOps o campo relacionado
• Experiencia comprobada construyendo infraestructura, herramientas o plataformas de desarrollo reutilizables que habilitan a múltiples ingenieros o investigadores, no solo un pipeline para un único modelo o característica predefinida
• Sólida proficiencia en Python y Linux, incluida la escritura de software de fácil mantenimiento, automatización y servicios
• Experiencia práctica con Docker, Kubernetes, pipelines de CI/CD, entornos en la nube como AWS e Infrastructure as Code como Terraform
• Comprensión práctica del ciclo de vida de ML de extremo a extremo, incluida la preparación de datos, experimentación, entrenamiento, evaluación, gestión de modelos y artefactos, empaquetado, despliegue y monitoreo
• Experiencia apoyando cargas de trabajo intensivas en cómputo o distribuidas y diagnosticando cuellos de botella de confiabilidad, rendimiento, recursos y costos
• Conocimiento práctico de frameworks modernos de ML, como PyTorch, con suficiente familiaridad con el comportamiento y las restricciones de los modelos para colaborar efectivamente con investigadores (esto no es un rol de científico de investigación)
• Capacidad para trabajar a partir de requisitos ambiguos y en evolución, descubrir la necesidad subyacente y convertirla en capacidades de ingeniería simples y reutilizables
• Sólidas habilidades de comunicación y colaboración entre equipos de investigación, ingeniería y plataforma

Competencias esenciales

• Pensamiento sistémico: ver los flujos de trabajo de investigación como un sistema interconectado que abarca datos, cómputo, experimentos, modelos, evaluación, plataformas y transiciones a producción
• Habilitación de investigación: empatía con los investigadores y enfoque en eliminar fricciones sin imponer soluciones diseñadas para casos de uso más estrechos y fijos
• Resolución de problemas: excelencia técnica y curiosidad al trabajar en problemas abiertos, requisitos incompletos y cuellos de botella operativos
• Responsabilidad: identificar proactivamente brechas de alto impacto, llevar soluciones a su conclusión y mejorar el entorno más allá de las tareas asignadas
• Adaptabilidad: comodidad para construir para necesidades inmediatas mientras se evolucionan soluciones hacia una plataforma compartida a largo plazo
• Comunicación y colaboración: traducir efectivamente entre investigadores e ingenieros de plataforma, construir alineación y compartir conocimiento entre equipos

Deseable

• Experiencia habilitando investigación en dominios de ML, como modelado de lenguaje, traducción de idiomas, visión por computadora, IA multimodal o generativa, robótica y sistemas autónomos
• Experiencia escalando clústeres de GPU para entrenamiento, cómputo distribuido y procesamiento de datos a gran escala
• Experiencia construyendo plataformas de ML orientadas a investigadores, entornos de experimentación de autoservicio y herramientas utilizadas en muchos flujos de trabajo de investigación en evolución
• Experiencia ayudando a equipos de investigación a migrar a o adoptar una plataforma de ML compartida
• Conocimiento de técnicas de optimización de inferencia, como kernels de GPU personalizados (valioso, pero secundario en relación con la experiencia en habilitación de investigación e infraestructura de ML)

Información adicional

• Esta posición no tiene responsabilidades de supervisión