Data Scientist II, ML Infrastructure

Задачи: — Перевод исследовательских DS рабочих процессов (например, прокси-метрики, модели устаревания) в производственные ML пайплайны с использованием Airflow, WandB и Ray, создание повторно используемых шаблонов для других команд. — Применение и внедрение методов причинно-следственного вывода с использованием производственного ML стека (propensity scoring, IPW, TMLE) для решения важных задач измерения за пределами экспериментальных возможностей. Создание инструментов самообслуживания для неэкспертов для получения строгих причинных выводов в масштабе. — Сотрудничество с ML инженерами и продуктовыми командами для выявления возможностей улучшения инструментов, метрик и методов измерения, что приводит к значительному улучшению качества моделей и бизнес-результатов. — Использование богатых метаданных и сигналов вовлеченности Pinterest для построения дата-дривен фреймворков, от важности признаков до деиндексации контента, для повышения эффективности и скорости платформы. — Проектирование и создание централизованных инструментов ML платформы для улучшения создания, оценки и доверия к признакам и моделям, включая производственные системы, работающие ежедневно в масштабе для всех моделей. Требования: — Опыт работы не менее 2 лет в роли прикладного ученого данных, ML инженера, исследователя или разработчика ПО с значительным опытом внедрения ML в производство. — Сильные навыки Python; опыт работы с PyTorch или аналогичными фреймворками глубокого обучения; знакомство с распределенными вычислениями (Spark, Ray), предпочтительно Ray. — Энтузиазм к созданию инструментов и платформ, которые увеличивают влияние всей ML организации, а не решают разовые задачи. — Глубокие знания теории ML с сильными фундаментальными основами для анализа моделей ML с первых принципов. — Владение лучшими практиками разработки ПО, включая контроль версий, код-ревью и воспроизводимые ML пайплайны. — Опыт работы с инструментами управления рабочими процессами (Airflow, Prefect, Jenkins или аналогичными) для надежной оркестрации ML пайплайнов. — Степень бакалавра или магистра в релевантной области, например, компьютерных наук, или эквивалентный опыт. Условия: — Работа удаленная с необходимостью присутствия в офисе 3-5 раз в квартал для личного взаимодействия. — Позиция не предусматривает помощь с релокацией. Дополнительно: — Компания предоставляет равные возможности для всех кандидатов без дискриминации. — Зарплатный диапазон от $114,297 до $235,319 в год, также возможна доля в компании. — Работа в США, предпочтительно в Пало-Альто, Калифорния, или удаленно по США.