Instacart es una empresa de tecnología y reparto de productos de supermercado que busca facilitar la compra de alimentos y artículos esenciales para el hogar. Su plataforma conecta a los clientes con compradores personales, permite realizar entregas en tan solo 30 minutos y ayuda a los hogares a encontrar cupones y ofertas relevantes. Instacart también desarrolla herramientas para gestionar condiciones de entrega complejas, como el desvío de pedidos durante fenómenos meteorológicos severos. La empresa describe su ambición general como la creación del sistema operativo de la industria de los supermercados, al tiempo que fomenta un entorno laboral flexible, diverso, equitativo e inclusivo para sus equipos.
Ingeniero/a sénior de software II, calidad de anuncios — Remoto, Estados Unidos
Desarrolla infraestructura de aprendizaje automático para el área de Calidad de anuncios de Instacart, abarcando el entrenamiento y la puesta en producción de modelos, así como sistemas de características en tiempo real. Mejora el rendimiento publicitario en un marketplace de entrega de comestibles mediante ingeniería escalable y de baja latencia.
Estados Unidos192.000 $ – 242.500 $ / año
RemotoTiempo completoSeniorIdioma Obligatorio: inglésIngeniero de softwareIngeniero full-stackDescripción
- Crea, implementa y evoluciona infraestructura de aprendizaje automático para problemas complejos del marketplace
- Amplía la plataforma corporativa de entrenamiento y puesta en producción de modelos de ML en colaboración con el equipo de ML Foundation
- Mejora el rendimiento del entrenamiento y la puesta en producción en términos de capacidad de procesamiento, costes, latencia, uso de aceleradores y latencia de cola
- Diagnostica la inestabilidad de la infraestructura y de los procesos operativos para reforzar la disponibilidad del sistema
- Desarrolla infraestructura de procesamiento de características en tiempo real y pipelines de baja latencia que proporcionen entradas actualizadas a los modelos
- Adquiere la responsabilidad sobre la infraestructura de un modelo fundacional secuencial en tiempo real, incluidos los almacenes de secuencias en línea, las actualizaciones mediante streaming, la puesta en producción con contexto largo y los flujos de trabajo de entrenamiento
- Diseña sistemas técnicos conjuntamente con responsables de producto, científicos de datos e ingenieros de aprendizaje automático
- Colabora con las partes interesadas para conectar las soluciones técnicas con los objetivos empresariales
- Orienta la dirección técnica, revisa código y apoya el crecimiento de otros ingenieros
- Promueve la mejora continua y altos estándares de ejecución técnica
Requisitos
- Tener un título de posgrado en informática, inteligencia artificial, aprendizaje automático, investigación operativa o una combinación comparable de estudio independiente y experiencia
- Contar con al menos tres años de experiencia profesional desarrollando infraestructura de ML o aplicando aprendizaje automático a problemas reales con datos a gran escala
- Demostrar amplia experiencia creando, escalando y operando infraestructura de entrenamiento o puesta en producción de ML
- Comprender los sistemas contemporáneos de aprendizaje automático y las prácticas de MLOps
- Programar con soltura en Python o Go
- Trabajar con dominio de SQL, Spark y Pandas
- Tener experiencia práctica con Torch, TensorFlow y XGBoost
- Aplicar sólidas capacidades de razonamiento analítico y resolución de problemas
- Comunicarse de forma clara y eficaz, tanto por escrito como oralmente
- Colaborar productivamente con partes interesadas de distintas funciones y niveles organizativos
- Sentirse cómodo asumiendo dominios, lenguajes de programación y áreas problemáticas desconocidos
Beneficios
- Elegir un entorno de trabajo flexible, ya sea desde casa, la oficina o una cafetería
- Participar en eventos presenciales periódicos de la empresa
- Recibir una concesión de acciones al incorporarse
- Recibir concesiones anuales adicionales de acciones
- Acceder a una compensación y unos beneficios competitivos en el mercado y ajustados a la ubicación de trabajo