Задачи:
— подготовить инженерную организацию и технологии к росту числа продуктов и команд
— работать в тесном партнёрстве с CEO и продуктовой командой
Требования:
— управление несколькими инженерными командами через руководителей и развитие лидов
— рост инженерной организации: найм, формирование команд и изменение структуры под задачи бизнеса
В компании сейчас три тимлида, около 12 разработчиков, два ML-инженера и QA. В работе используются Go, Ruby, Python, React, ClickHouse, Kafka и другие технологии.
Задачи:
- Разработка микросервисов
- Разработка приложений для анализа и сбора данных
- Поддержка и улучшение текущей системы
- Взаимодействие с ML-инженерами и DevOps-специалистами
Требования:
- Опыт работы 1-3 года
- Знание Python, понимание его работы и умение использовать различные типы объектов в зависимости от задачи
- Понимание ООП
- Знание CI/CD
- Работа с СУБД (MySql, PostgreSql, ClickHouse)
- Умение работать с чужим кодом
Задачи:
— Полное владение датасетами безопасности: сбор, очистка, разметка, контроль качества, версионирование и подготовка к обучению и оценке моделей.
— Перевод требований политики безопасности в четкие и последовательные критерии разметки и оценки, в тесном сотрудничестве со специалистами по политике.
— Проектирование и управление процессами разметки, включая поиск, адаптацию и контроль внешних участников для обеспечения высокого качества.
— Создание рабочих процессов оценки моделей в продакшене с использованием реальных данных для отслеживания производительности и выявления проблем.
— Разработка легковесных пайплайнов и инструментов на Python и SQL для ускорения и воспроизводимости работы с данными, в партнерстве с ML-инженерами по требованиям к "готовности к обучению".
Требования:
— Опыт работы Data Scientist или аналогичной роли с реальными датасетами и ML-моделями.
— Глубокое понимание качественного датасета: сбор, очистка, выборка, разметка, контроль качества, оценка.
— Уверенное владение Python и SQL для анализа и практических рабочих процессов с данными.
— Сильное критическое мышление и способность принимать решения в условиях неоднозначности, умение превращать сложные руководства в последовательные и масштабируемые решения.
— Автономность и хорошие коммуникативные навыки, способность работать в междисциплинарной команде (политика, инженерия, исследования) в быстро меняющейся среде.
Преимущества:
— Опыт в AI safety, trust & safety, модерации контента или обнаружении мошенничества/злоупотреблений.
— Опыт создания датасетов или фреймворков оценки, опыт с adversarial/safety-ориентированным ML.
— Опыт управления процессами разметки с участием человека, версионирования датасетов или инструментов ML-пайплайнов.
— Опыт внедрения руководств совместно с командами политики или юридическими отделами.
Условия:
— Работа в гибридном формате в Лондоне, тесное взаимодействие с командами AI Safety и Policy.
— Равные возможности для всех кандидатов без дискриминации по различным признакам.
ГибридLondon
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.