Senior AI/ML Engineer

Название: Senior AI/ML Engineer Местоположение: NYC

Местоположение: US - NYC, Boston

Зарплата: $200,000 - $280,000

💎 О NIVODA

Nivoda — это операционная система для мировой индустрии ювелирных изделий. Мы соединяем поставщиков алмазов и драгоценных камней напрямую с ювелирными ритейлерами более чем в 70 странах, заменяя медленный, офлайновый, основанный на личных связях способ торговли единым цифровым маркетплейсом. Мы уже обеспечиваем транзакции на сумму более 300 миллионов долларов в год в индустрии, стоимость которой превышает 350 миллиардов долларов по всему миру — и мы еще только в начале пути. Ювелирная промышленность — одна из последних крупных мировых отраслей, которая переходит в цифровой формат, и мы строим инфраструктуру, на которой она будет работать.

🤔 НАША МИССИЯ

Торговля алмазами и драгоценными камнями десятилетиями велась в разрозненных сетях, с использованием ручных процессов и связей по знакомству, что закрывает доступ для мелких и новых бизнесов и приводит к потерям времени и маржи даже для крупнейших игроков из-за неэффективности. Мы основали Nivoda, чтобы исправить это: дать любому ювелирному бизнесу, где бы он ни находился и какого бы размера он ни был, такой же доступ, прозрачность цен и простоту торговли, как и отраслевым гигантам. Наша миссия — сделать покупку и продажу алмазов и драгоценных камней радикально проще во всем мире.

⭐️ DISCOVERY POD

Вы присоединитесь к Discovery Pod 🔍 — команде, которая определяет, как находятся сотни тысяч алмазов и драгоценных камней. Это означает ранжирование, рекомендации и ввод поисковых запросов: от основного опыта поиска и фильтрации до контекстного поиска и запланированного разговорного ассистента, до поиска по загрузке изображений, позволяющего покупателю найти совпадение по фотографии. Тот же движок ранжирования и рекомендаций, который вы создадите, должен обслуживать как собственный маркетплейс Nivoda, так и множество индивидуально брендированных витрин, которые ювелиры используют через наши SAAS-продукты. Мы — небольшая команда с высоким уровнем ответственности, и эта группа создает продукт на основе ИИ, а не просто использует инструменты ИИ для ускорения работы.

О РОЛИ

Мы ищем Senior AI/ML Engineer в Discovery Pod, который поможет создавать и поддерживать системы ранжирования, рекомендаций и поиска, на которые полагаются покупатели, чтобы за считанные секунды находить нужный камень или изделие. Это реальная работа по поиску информации и прикладному ML на производственной инфраструктуре — поисковые системы, поиск на основе эмбеддингов, learning-to-rank, контекстный и разговорный поиск на основе LLM, поиск изображений по загрузке фотографий — а не настройка готового поискового виджета или вызов API модели с последующим переходом к следующей задаче. Вы будете полностью отвечать за модели, от признаков и обучения до оценки, развертывания и мониторинга, и ожидается, что вы будете понимать, как ведут себя и выходят из строя эти вероятностные системы, потому что это и есть ваша работа, а не второстепенный навык.

ТЕХНОЛОГИЧЕСКИЙ СТЕК

• Поиск: OpenSearch, получаемый по CDC из PostgreSQL плюс задания по приему данных Spark/EMR/Glue. Никаких векторных баз данных в продакшене — поиск на основе эмбеддингов, модель ранжирования и поиск по изображениям — это совершенно новые разработки для того, кто займет роль в Discovery.

• Основная БД / хранилище данных: PostgreSQL (OLTP) → Snowflake (моделирование dbt, уровни raw/curated/presentation по медалиону)

• Backend: TypeScript/Node.js, GraphQL API gateway, Nx monorepo + PNPM

• Аутентификация: Keycloak · SSO: Okta

• CI/CD: Jenkins (“Nivoda Build”) + GitOps для развертывания

• Облако: AWS (EMR, Glue, DMS, развертывание на базе Kubernetes)

• Наблюдаемость: Grafana для логов/трассировок

ЧТО ВЫ БУДЕТЕ ДЕЛАТЬ?

Основной поисковый движок

• Создавать и поддерживать реальную поисковую инфраструктуру — Elasticsearch/OpenSearch, Vespa или базы данных для векторного поиска, такие как pgvector, Pinecone или Weaviate — для обеспечения ранжирования и мультимодального поиска по маркетплейсу Nivoda

• Разрабатывать многопользовательские, настраиваемые системы ранжирования и рекомендаций, которые обслуживают как собственный маркетплейс Nivoda, так и множество индивидуально брендированных ювелирных витрин через Feeds, без разветвления кодовой базы

Мультимодальный ИИ

• Создавать и улучшать контекстный поиск и наш запланированный разговорный ассистент, используя разработку промптов и подходы с дополнением извлеченной информации (retrieval-augmented), обрабатывая сценарии с нулевым результатом и компромиссами грациозно, а не отвечая уверенно неверным ответом

• Создавать конвейеры для сопоставления изображений с атрибутами и изображений с продуктами, используя эмбеддинги изображений для нашей работы по поиску изображений

• Создавать продукт, исходя из реальности, что вероятностные системы могут быть уверенно ошибочны — разрабатывать пути восстановления и шаги подтверждения перед высокорисковыми действиями, такими как генерация производственной сметы на основе интерпретированного изображения

Экспериментирование и качество

• Определять и проводить оценку, специфичную для поиска и ранжирования — офлайн-метрики ранжирования, интерлейсинг экспериментов — чтобы определить, действительно ли изменение ранжирования стало лучше, а не просто другим

• Оценивать и нагрузочно тестировать выходные данные базовых моделей и LLM напрямую как часть инженерного процесса, вместо того чтобы доверять им по умолчанию

Производственный ML

• Отвечать за полный жизненный цикл моделей ранжирования и рекомендаций — признаки, обучение, оценка, развертывание и мониторинг — используя методы learning-to-rank, поиска на основе эмбеддингов и коллаборативной фильтрации

• Проектировать и оптимизировать низколатентные, работающие в реальном времени системы обслуживания моделей, которые сохраняют мгновенность поиска под производственной нагрузкой

• Использовать AI-кодинг агентов для создания ML-инфраструктуры и конвейеров, в сочетании с строгими инструментами оценки, которые выявляют ошибки ранжирования и поиска, скрытые системой, но маскирующиеся под рабочую

ЧТО НАМ НУЖНО ОТ ВАС?

Опыт работы: 5-10 лет

• Опыт работы с инфраструктурой информационного поиска — создание или поддержка реальных поисковых систем (Elasticsearch/OpenSearch, Vespa или базы данных векторного поиска, такие как pgvector, Pinecone или Weaviate)

• Прикладной ML для ранжирования и рекомендаций, полный цикл — learning-to-rank, поиск на основе эмбеддингов, коллаборативная фильтрация — с уверенностью в владении признаками, обучением, оценкой, развертыванием и мониторингом, а не просто вызовом API модели

• Опыт применения NLP и LLM — производственный опыт разработки на основе языковых моделей, включая проектирование промптов, подходы с дополнением извлеченной информации и грациозную обработку сценариев с нулевым результатом и компромиссами

• Опыт низколатентного обслуживания — вы создавали и оптимизировали системы обслуживания моделей в реальном времени под производственной нагрузкой, а не просто обучали модели в ноутбуке

• Специализированные навыки оценки качества поиска и ранжирования, отличные от общего экспериментирования для роста — офлайн-метрики ранжирования, интерлейсинг экспериментов и оценка того, стало ли изменение ранжирования действительно лучше, а не просто другим

• Прямой, практический опыт работы с базовыми моделями и LLM в качестве инженерного материала — проектирование промптов, подходы с дополнением извлеченной информации и, что критически важно, оценка и нагрузочное тестирование выходных данных модели, а не доверие им по умолчанию

• Опыт проектирования грациозных отказов в вероятностных системах — понимание, когда модель уверенно ошибается, и создание продукта, исходя из этой реальности

• Уверенность в использовании AI-кодинг агентов для создания ML-инфраструктуры и конвейеров, в сочетании с строгой дисциплиной тестирования и оценки

ПРИВЕТСТВУЕТСЯ

• Основы компьютерного зрения, в частности эмбеддинги изображений — опыт создания конвейеров для сопоставления изображений с атрибутами или изображений с продуктами

• Опыт проектирования многопользовательских, настраиваемых систем — создание систем, которые ведут себя по-разному для каждого арендатора без разветвления кодовой базы

• Опыт создания разговорных продуктов или продуктов типа ассистент-поиск

• Опыт работы в команде поиска, ранжирования или рекомендаций маркетплейса или e-commerce компании

⭐️ НАША КУЛЬТУРА И ЧТО МЫ ПРЕДЛАГАЕМ

Мы — команда с высоким ростом и духом сотрудничества, которая верит в расширение прав и возможностей, а не в иерархию. Вы получите реальную ответственность с первого дня, возможность работать над проблемами, о которых большинство компаний еще даже не знают, и культуру, которая серьезно относится к обучению и росту — потому что мы быстро масштабируемся, и нам нужно, чтобы вы росли вместе с нами.

НАШИ ТЕКУЩИЕ БЕНЕФИТЫ

• 🏡 Гибкий график работы и культура удаленной работы

• 📈 Реальные возможности для роста и обучения

• 🌴 Неограниченный отпуск

• 🚀 Шанс присоединиться во время экспоненциальной фазы расширения

❤️ РАВНЫЕ ВОЗМОЖНОСТИ

Nivoda — работодатель, предоставляющий равные возможности. Мы стремимся создать разнообразную и инклюзивную команду, и приветствуем заявки от людей любого происхождения, независимо от расы, пола, возраста, религии, сексуальной ориентации, инвалидности или любых других характеристик, защищенных законом. Даже если вам кажется, что вы не соответствуете 100% наших требований, не позволяйте этому остановить вас от подачи заявки — мы все равно будем рады услышать вас.

Пожалуйста, отправьте свое резюме на английском языке.

👋 НЕ СОВСЕМ ПОДХОДЯЩАЯ ВАКАНСИЯ?

Присоединяйтесь к Talent Pool Nivoda, и мы свяжемся с вами, когда появится что-то более подходящее.