Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
CCommerceIQ
Бенгалуру, Индия15 дней назад
Грейд
Senior
Опыт работы
от 5 лет
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
CommerceIQ создает AI-платформу, которая управляет торговлей для крупнейших мировых брендов. Мы не продаем AI-демо. Каждую неделю мы поставляем AI-агентов для контента, медиа и продаж в рабочие процессы компаний из списка Fortune 100. 2 200+ Клиентов 10 из Топ-12 Компаний FMCG 900+ Подключенных ритейлеров $200 млн+ Привлечено Среди клиентов: Coca-Cola, Nestlé, Colgate-Palmolive, Mondelez, Samsung и Kellogg's. Поддержка от SoftBank, Insight Partners и Madrona. Штаб-квартира в Маунтин-Вью, команды расположены по всей территории США, Индии, Канады и Великобритании. Компания на стадии пре-IPO. Мы ищем опытного инженера по машинному обучению (Machine Learning Engineer III), который будет создавать и управлять ML и AI системами для наших агентов по контенту, медиа и продажам. Вы будете тесно сотрудничать с командами Data Science, Engineering, Platform, Product и Operations, чтобы выводить модели и агентов на базе LLM из стадии идеи в продакшн, обеспечивая их надежность, скорость и экономичность в масштабе. Это в первую очередь инженерная роль: вы будете полностью отвечать за свои системы, включая инфраструктуру, на которой они работают. Мы ищем разработчиков, которые быстро выпускают первые версии (v0), итерируют на основе оценок и остаются адаптивными к моделям и фреймворкам по мере развития области.
AI-агенты и каркасы: Проектируйте, создавайте и выпускайте продакшн-агентов и каркасы вокруг них: дизайн инструментов и действий, управление контекстным окном (поиск, суммирование, сжатие), выбор и маршрутизация моделей, управление памятью и состоянием, а также паттерны суб-агентов и параллельных вызовов инструментов. Итерируйте, пока агенты надежно не будут выполнять реальные клиентские задачи. ML-конвейеры: Создавайте сквозные пакетные и реальные конвейеры для классических ML и LLM-задач, от сбора данных до развертывания. Инфраструктура: Управляйте инфраструктурой, на которой работают ваши системы: контейнеры, Kubernetes, очереди, кэши и облачные сервисы на AWS/GCP, управляемые как код. Надежность и качество: Соблюдайте бюджеты по задержке, пропускной способности и стоимости, используя кэширование, пакетную обработку и параллельное выполнение. Корректно обрабатывайте ограничения скорости, повторные попытки и сбои. Инструментируйте агентов трассировкой для профилирования поведения, поиска узких мест и выявления регрессий качества до того, как их обнаружат клиенты. Оценки: Создавайте наборы оценок из продакшн-трасс, примеров экспертов и прошлых сбоев, а также автоматические проверки и LLM-судей для измерения качества моделей и агентов. Используйте их для контроля каждого запроса, модели и изменения кода. Обратная связь и эксперименты: Превращайте отзывы рецензентов и клиентов в измеримые улучшения с помощью рабочих процессов с участием человека (human-in-the-loop), A/B-тестов, офлайн-повторов и поэтапных развертываний. Техническое владение: Анализируйте дизайны и код, повышайте инженерный уровень и вносите вклад в дорожную карту ML и AI совместно с командами Data Science и Platform.
Более 5 лет опыта создания и управления ML или AI системами в продакшене, включая не менее 1 года работы с приложениями на базе LLM. Степень бакалавра или магистра в области компьютерных наук, математики/статистики или смежной области, или эквивалентный практический опыт. Сильные навыки программирования на Python, включая асинхронное и параллельное программирование, и уверенное владение SQL. Практический опыт создания продакшн-агентов и LLM-приложений: дизайн инструментов и функций, управление контекстным окном, RAG и эмбеддинги, структурированные выводы, многоэтапная и многоагентная оркестровка, а также выбор моделей через размещенные API (OpenAI, Anthropic, Gemini или аналогичные). Ежедневное использование кодовых агентов, таких как Claude Code или Cursor, с умением проверять и верифицировать их выходные данные. Прочные основы ML (метрики оценки, переобучение, утечка данных, дрейф) и опыт развертывания моделей как в пакетных, так и в реальных конфигурациях, включая понимание того, когда классический ML превосходит LLM. Сильные навыки работы с инфраструктурой: Docker, Kubernetes, как минимум один облачный провайдер (AWS / GCP / Azure) и продакшн-наблюдаемость (OpenTelemetry, Grafana, Prometheus или аналогичные). Опыт работы с Terraform и CI/CD, распределенной обработкой данных (Spark или Databricks) и оркестровкой рабочих процессов или обменом сообщениями (Airflow, Temporal, Kafka или аналогичные). Сильные навыки системного дизайна. Вы можете четко рассуждать о затратах, задержках, режимах отказа и компромиссах масштаба. Отличные навыки письменного и устного общения, а также способность согласовывать кросс-функциональные требования с командами Product и Engineering.
Продвинутые оценки: LLM-как-судья с калибровкой по человеческим меткам, золотые наборы данных, захват и воспроизведение трасс, а также статистически обоснованные сравнения вариантов с доверительными интервалами. Фреймворки и протоколы для агентов: Практический опыт работы с LangGraph, OpenAI Agents SDK, MCP или аналогичными, и понимание того, когда тонкий пользовательский каркас лучше фреймворка. Симуляционные среды: Симулированные пользователи и синтетические задачи для тестирования многоэтапных агентов до их выпуска клиентам. Наблюдаемость LLM и управление промптами: Инструменты, такие как LangSmith, Opik или Langfuse, для трассировки, версионирования и отладки промптов в продакшене. Настройка стоимости и задержки: Кэширование промптов, пакетная обработка, маршрутизация моделей и контроль длины вывода для высоконагруженных LLM-задач. Системы защиты (Guardrails): Валидация схем, проверка контента и безопасности, а также запасные варианты на случай, если модель ошибется. Векторный поиск: Databricks Vector Search, pgvector, OpenSearch или аналогичные. Файн-тюнинг: Адаптация моделей (SFT, LoRA / PEFT, настройка предпочтений, дистилляция) и их эффективное обслуживание, в том числе на GPU (vLLM, TGI или аналогичные). Исследования: Опыт применения исследований для достижения продакшн-результатов. Публикации или вклад в open-source приветствуются. Опыт работы в сфере электронной коммерции, ритейл-медиа или B2B SaaS.
Ваша работа находит применение. Наши AI-агенты каждую неделю работают в рабочих процессах крупнейших мировых брендов, и вы будете видеть результат напрямую. Работа над классическим ML, LLM, агентами и инфраструктурой, а не только над узкой областью. Вы будете полностью владеть проектами, от исследования до продакшена. Забудьте о бесконечных встречах. Выполняйте задачи и начинайте влиять с первого дня.
The Company CommerceIQ is building the AI platform that runs commerce for the world's largest brands. We are not selling AI demos. We are shipping AI agents for content, media, and sales into the workflows of the Fortune 100 every week. 2,200+ Customers 10 of Top 12 CPG Companies 900+ Retailers Connected $200M+ Raised Customers include Coca-Cola, Nestlé, Colgate-Palmolive, Mondelez, Samsung, and Kellogg's. Backed by SoftBank, Insight Partners, and Madrona. Headquartered in Mountain View with teams across the US, India, Canada, and the UK. Pre-IPO. About the Role We are looking for a hands-on Machine Learning Engineer III to build and run the ML and AI systems behind our agents for content, media, and sales. You will work closely with Data Science, Engineering, Platform, Product, and Operations teams to take models and LLM-based agents from idea to production, and keep them reliable, fast, and cost-efficient at scale. This is an engineering role first: you will own your systems end to end, including the infrastructure they run on. We look for builders who ship v0s quickly, iterate against evals, and stay adaptable about models and frameworks as the field moves. Key Responsibilities : AI Agents & Harnesses: Design, build, and ship production agents and the harnesses around them: tool and action design, context window management (retrieval, summarization, compaction), model selection and routing, memory and state, and subagent and parallel tool-call patterns. Iterate until agents reliably complete real customer tasks. ML Pipelines: Build end-to-end batch and real-time pipelines for classical ML and LLM workloads, from data ingestion to deployment. Infrastructure: Own the infrastructure your systems run on: containers, Kubernetes, queues, caches, and cloud services on AWS/GCP, managed as code. Reliability & Quality: Meet latency, throughput, and cost budgets using caching, batching, and parallel execution. Handle rate limits, retries, and failures gracefully. Instrument agents with tracing to profile behavior, find bottlenecks, and catch quality regressions before customers do. Evals: Build eval sets from production traces, expert examples, and past failures, plus automated checks and LLM judges that measure model and agent quality. Use them to gate every prompt, model, and code change. Feedback & Experimentation: Turn reviewer and customer feedback into measurable improvements through human-in-the-loop workflows, A/B tests, offline replays, and staged rollouts. Technical Ownership: Review designs and code , raise the engineering bar, and contribute to the ML and AI roadmap with Data Science and Platform teams. Required Skills : 5+ years of experience building and running ML or AI systems in production, including at least 1 year on LLM-based applications. Bachelor's or Master's in Computer Science, Maths/Stats, or a related field, or equivalent practical experience. Strong programming skills in Python, including async and concurrent programming, and solid SQL. Hands-on experience building production agents and LLM applications: tool and function design, context window management, RAG and embeddings, structured outputs, multi-step and multi-agent orchestration, and model selection across hosted APIs (OpenAI, Anthropic, Gemini, or similar). Daily use of coding agents such as Claude Code or Cursor, with the judgment to review and verify their output. Solid ML fundamentals (evaluation metrics, overfitting, leakage, drift) and experience deploying models in both batch and real-time setups, including knowing when classical ML beats an LLM. Strong infrastructure skills: Docker, Kubernetes, at least one cloud provider (AWS / GCP / Azure), and production observability (OpenTelemetry, Grafana, Prometheus, or equivalent). Working experience with Terraform and CI/CD, distributed data processing (Spark or Databricks), and workflow orchestration or messaging (Airflow, Temporal, Kafka, or similar). Strong system design skills. You can reason clearly about cost, latency, failure modes, and scale trade-offs. Excellent written and verbal communication, and the ability to drive cross-functional requirements with Product and Engineering. Preferred Skills : Advanced evals : LLM-as-judge calibration against human labels, golden datasets, trace capture and replay, and statistically sound comparisons of variants with confidence intervals. Agent frameworks & protocols: Hands-on with LangGraph, the OpenAI Agents SDK, MCP , or similar, and knowing when a thin custom harness beats a framework. Simulation environments: Simulated users and synthetic tasks for testing multi-step agents before they reach customers. LLM observability & prompt management: Tools like LangSmith, Opik, or Langfuse for tracing, versioning, and debugging prompts in production. Cost & latency tuning: Prompt caching, batching, model routing, and output-length control for high-volume LLM workloads. Guardrails: Schema validation, content and safety checks, and fallbacks for when the model gets it wrong. Vector search: Databricks Vector Search, pgvector, OpenSearch, or similar. Bonus Skills : Fine-tuning: Adapting models ( SFT , LoRA / PEFT , preference tuning, distillation) and serving them efficiently, including on GPUs (vLLM, TGI , or equivalent). Research: A track record of turning research into production impact. Publications or open-source contributions are a plus. Experience in ecommerce, retail media, or B2B SaaS. Why you will love to work with us - Your work ships. Our AI agents run inside the workflows of the world's largest brands every week, and you will see the impact directly. Work across classical ML, LLMs, agents, and infrastructure, not one narrow slice. You will own projects end to end, from exploration to production. Forget endless meetings. Get things done and start making an impact from day 1. We are an equal opportunity employer and value diversity at our company. We do not discriminate on the basis of race, religion, color, national origin, gender, sexual orientation, age, marital status, veteran status, disability status or any other category prohibited by applicable law.
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 3 070 000 до 4 710 000