Research Engineer, Machine Learning Systems

Deepgram — ведущая платформа, лежащая в основе зарождающейся экономики Voice AI стоимостью триллион долларов, предоставляющая API реального времени для преобразования речи в текст (STT), текста в речь (TTS) и создания производственных голосовых агентов в масштабе. Более 200 000 разработчиков и 1 300+ организаций создают голосовые решения «Powered by Deepgram», включая Twilio, Cloudflare, Sierra, Decagon, Vapi, Daily, Cresta, Granola и Jack in the Box. Фундаментальные голосовые модели Deepgram доступны через облачные API или как программное обеспечение, размещаемое самостоятельно и локально, с беспрецедентной точностью, низкой задержкой и экономической эффективностью. При поддержке недавнего раунда финансирования Серии C, возглавляемого ведущими мировыми инвесторами и стратегическими партнерами, Deepgram обработала более 50 000 лет аудио и расшифровала более 1 триллиона слов. В мире нет организации, которая понимала бы голос лучше, чем Deepgram.

РАБОЧИЙ РИТМ КОМПАНИИ

В Deepgram мы ожидаем мышления, ориентированного на ИИ — использование и комфортное взаимодействие с ИИ не являются обязательными, они являются основой того, как мы работаем, внедряем инновации и оцениваем производительность.

От каждого члена команды, работающего в Deepgram, ожидается активное использование и экспериментирование с передовыми инструментами ИИ, и даже создание собственных инструментов для повседневной работы. Мы измеряем, насколько эффективно применяется ИИ для достижения результатов, и последовательное, творческое использование новейших возможностей ИИ является ключом к успеху здесь. Кроме того, мы работаем в темпе развития ИИ. Изменения происходят быстро, и вы можете ожидать, что ваша повседневная работа будет развиваться так же быстро.

Голос — это самая естественная модальность для взаимодействия человека с машинами. Однако современные парадигмы моделирования последовательностей, основанные на совместном масштабировании моделей и данных, не могут обеспечить голосовой ИИ, способный к универсальному человеческому взаимодействию. Проблемы коренятся в фундаментальных проблемах данных, связанных с аудио: реальные аудиоданные редки и чрезвычайно разнообразны, охватывая огромное пространство голосов, стилей речи и акустических условий. Даже если бы были доступны миллиарды часов аудио, его присущая высокая размерность создает вычислительные затраты и затраты на хранение, которые делают обучение и развертывание непомерно дорогими в мировом масштабе. Мы считаем, что для преодоления этих проблем и обеспечения доступности голосового взаимодействия для всех необходимы совершенно новые парадигмы для аудио ИИ.

РОЛЬ

Deepgram ищет высококвалифицированного и универсального инженера машинного обучения для присоединения к нашей исследовательской команде. В качестве члена исследовательской группы вы будете сотрудничать с научными сотрудниками для прототипирования и проверки новых идей моделирования, а затем масштабировать их с помощью надежных систем обучения для речевых технологий, внутренних инструментов и инновационных стратегий работы с данными. Вы будете работать на стыке машинного обучения, инфраструктуры данных и внутренних инструментов для поддержки нашей миссии по созданию систем распознавания и синтеза речи мирового класса. В исследовательской команде вы будете экспериментировать с новыми технологиями и методами, а также работать над продуктовыми задачами, обучаясь у коллег с широким спектром опыта в области ИИ и машинного обучения.

В Deepgram вы поможете формировать будущее человеко-машинного общения. Наша исследовательская культура ставит во главу угла ответственность, эксперименты и реальное влияние. Как член исследовательской группы, вы получите возможность создавать инструменты и системы, которые ускоряют исследования в области машинного обучения и развертывание продуктов в масштабе.

• Масштабируемое обучение моделей: Архитектура и управление горизонтально масштабируемыми системами, которые значительно ускоряют полный цикл обучения моделей преобразования речи в текст (STT) и текста в речь (TTS). Это включает в себя гораздо больше, чем автоматизированное обучение: роль фокусируется на значительном ускорении и повышении эффективности разработки моделей за счет оптимизированной подготовки и управления данными, конвейеров обучения с высокой пропускной способностью, распределенной инфраструктуры и инструментов автоматизированной оценки

• Инструментарий и доступность: Разработка и внедрение внутренних пользовательских интерфейсов и инструментов, которые делают системы и рабочие процессы машинного обучения доступными для нетехнических заинтересованных сторон по всей компании. Эти пользовательские интерфейсы должны быть разработаны для обеспечения прозрачности и гибкости для внутренних инструментов

• Инфраструктура и инструменты: Надзор и управление инструментами обучения, оркестрацией заданий, отслеживанием экспериментов и хранением данных

Кандидаты должны быть готовы быстро осваивать новые модели и подходы, интегрировать ИИ в свои рабочие процессы и постоянно расширять границы того, на что способны эти технологии.

Эта роль может не подойти вам, если вы не готовы экспериментировать, адаптироваться, быстро принимать решения и постоянно учиться, или если вы ищете что-то строго регламентированное с традиционным графиком с 9 до 5.

Мы ищем членов исследовательской группы, которые:

• Рассматривают «нерешенные» проблемы как возможности для разработки совершенно новых подходов

• Могут определить один критический эксперимент, который подтвердит или опровергнет идею за дни, а не за месяцы

• Обладают видением для масштабирования успешных доказательств концепции в 100 раз

• Одержимы использованием ИИ для автоматизации и усиления собственного влияния

Если вы чувствуете себя воодушевленными, а не подавленными этими ожиданиями — если вы уже обдумываете пять идей для реализации, читая это — вы можете быть исследователем, который нам нужен. Эта роль требует одержимости проблемами, креативности в подходах и неустанного стремления к элегантным, масштабируемым решениям. Технические проблемы огромны, но потенциальное влияние преобразует.

ВАЖНО, ЧТО У ВАС ЕСТЬ:

• Значительный опыт работы с конвейером исследований машинного обучения, особенно в области STT или связанных с речью областей. Это включает экспериментирование и оценку новых архитектур и подходов к моделированию, а также внедрение крупномасштабных систем обучения

• Опыт работы с инструментами оркестрации и инфраструктуры, такими как Kubernetes, Docker и Prefect

• Знакомство с инструментами жизненного цикла ML, такими как MLflow

• Опыт создания внутренних инструментов или информационных панелей для нетехнических пользователей

• Практический опыт в области инжиниринга данных для неструктурированных аудио- и текстовых данных

• Умение работать в кросс-функциональных командах, включающих исследователей, инженеров и заинтересованных сторон продукта

Компенсация: $150 000 - $250 000 в год