inDrive je globální společnost působící v oblasti mobility a doručování, která provozuje tržiště pro přepravu a logistiku propojující cestující, řidiče, kurýry a firmy. Její služby zahrnují jízdy po městě, meziměstské cestování, kurýrní a nákladní doručování a také finanční služby pro spotřebitele a řidiče prostřednictvím inDrive.Money. Model společnosti umožňuje uživatelům vyjednávat o ceně jízd, zatímco její širší působnost zahrnuje logistiku, cestování a související tržištní služby v několika zemích.
Seniorní softwarový inženýr backendu, platforma AI — inDrive
Vyvíjejte služby v Go a Pythonu pro platformu strojového učení inDrive a podporujte produkční modely i nástroje MLOps. Pomáhejte provozovat pozorovatelnou infrastrukturu s vysokou zátěží, která obsluhuje systémy ve 48 zemích.
Popis
- Vytvářejte a provozujte backendové služby a interní nástroje platformy strojového učení v Go a Pythonu.
- Zajišťujte nasazování produkčních služeb, jejich monitoring a pohotovostní podporu.
- Zkoumejte a navrhujte funkce platformy a zaznamenávejte klíčové technické kompromisy.
- Vyvíjejte nástroje pro nasazování a SDK pro obsluhu modelů, automatické škálování a sběr dat.
- Propojujte služby strojového učení s backendovými systémy pomocí synchronní a asynchronní komunikace.
- Spolupracujte s datovými vědci a ML inženýry na CI/CD modelů a pipeline, monitoringu a výkonnostních metrikách.
- Zajišťujte komplexní pozorovatelnost pomocí metrik, protokolů, dashboardů, trasování, upozornění a provozních příruček.
- Spravujte infrastrukturu jako kód pomocí Terraformu a Terragruntu a využívejte kontrolované pull requesty.
- Účastněte se revizí kódu a návrhů, mentorujte inženýry a posuzujte změny vytvořené AI podle stejných standardů jako ostatní příspěvky.
- Spolupracujte napříč týmy datové vědy, ML, vývoje softwaru a datového inženýrství.
Požadavky
- Alespoň pět let komerčních zkušeností s backendovým vývojem, včetně práce se systémy s vysokou zátěží.
- Rozsáhlé produkční zkušenosti s Go, včetně pokročilých funkcí tohoto jazyka.
- Dobrá znalost Pythonu pro zpracování dat a vývoj služeb.
- Velmi dobrá znalost SQL včetně návrhu schémat, indexování, optimalizace dotazů, replikace a dělení dat.
- Zkušenosti s Redisem nebo srovnatelným úložištěm klíč-hodnota.
- Zkušenosti s HTTP, gRPC, Kafka nebo RabbitMQ se zaměřením na spolehlivost.
- Zkušenosti s Dockerem a CI/CD pipeline a praktická znalost Kubernetes.
- Zkušenosti se základními službami AWS nebo Google Cloud pro výpočty, úložiště, sítě a správu identit a přístupu.
- Porozumění životnímu cyklu strojového učení včetně přípravy dat, metrik výkonnosti modelů, nefunkčních požadavků a posunu konceptu.
- Znalost scikit-learn, PyTorch nebo TensorFlow.
- Zkušenosti s návrhem a provozem systémů pozorovatelnosti zahrnujících metriky, protokolování, dashboardy, trasování, upozornění a provozní příručky.
- Zkušenosti s Prometheem, Grafanou, ELK nebo podobnými nástroji.
- Znalost pracovních postupů Git, revizí kódu, příkazového řádku Linuxu a základů sítí, jako jsou TCP/IP, DNS, VPC a load balancery.
- Schopnost jasně vysvětlovat technické kompromisy datovým vědcům, vlastníkům produktů a pohotovostním inženýrům.
- Výhodou jsou další zkušenosti s nástroji MLOps, jako jsou Databricks, SageMaker, Kubeflow, MLflow nebo Airflow; inferencí na GPU nebo pro LLM; AI agenty pro programování; rozvíjejícími se trhy nebo nástroji pro infrastrukturu jako kód.
Benefity
- Práce v globálním měřítku: produkční modely obsluhují uživatele po celém světě a projekty počítají s významnými rozpočty na GPU a zátěžemi LLM.
- Backendoví inženýři mají možnost rozvíjet se směrem k MLOps; platformní tým nabízí školení.
- Rozvíjejte profesní dovednosti díky mentoringu, kariérním konzultacím a vzdělávacím programům.
- Zapojte se do programu Global Talent Exchange a získejte mezinárodní zkušenosti.
- Účastněte se firemních soutěží, slavnostních předávání cen, sportovních akcí, zaměstnaneckých společenských iniciativ a dobrovolnictví.
- K dispozici jsou částečně hrazené jazykové kurzy a interní konverzační kluby.
- Nabídka benefitů se může lišit podle lokality.