Engenheiro(a) de Machine Learning

O que vai assumir

• Take speech and language models from evaluation into production, including the serving path and what it costs to run.
• Build evaluation sets that reflect the languages and accents customers actually speak, not the ones a public benchmark ships with.
• Instrument models in production: drift, latency, and the failure cases customers report.
• Work with the platform team on the data path, so that training data stays in the jurisdiction the customer requires.
• Document model behaviour and its limits to a standard a regulator can read.

O que traz consigo

• You have deployed models to production and maintained them afterwards, not only trained them.
• You are comfortable with PyTorch or an equivalent framework, and with the serving stack around it.
• You understand speech or natural language processing well enough to know where the benchmarks mislead.
• You treat privacy and data residency as engineering constraints rather than as paperwork.
• You work in English. Other languages spoken in the group’s markets are an advantage.

Cinco etapas, e em cada uma sabe em que ponto está

1. 1CandidaturaCandidata-se através deste site. É uma pessoa que a lê — o primeiro filtro não é automático.
2. 2ConversaUma chamada com o responsável pela contratação sobre o trabalho em si: o que já operou e aquilo de que a função precisa realmente.
3. 3Exercício práticoUm problema retirado do sistema real, dimensionado para uma sessão razoável. É discutido consigo, nunca avaliado em silêncio.
4. 4PainelConhece as pessoas com quem iria trabalhar e alguém de fora da equipa, que ali está para fazer a pergunta incómoda.
5. 5DecisãoUm sim ou um não, com a razão. Dizemo-lo em qualquer dos casos, e dizemos-lhe quando o pode esperar.