Nivoda
Nivoda
201 – 500 Mga Empleyado
E-commercePagtitingiPamilihan
Nagpapatakbo ang Nivoda ng pamilihan ng diyamante at batong-hiyas para sa mga retailer ng alahas. Binibigyan ng platform nito ang mga retailer ng access sa mga natural na diyamante, diyamanteng pinalago sa laboratoryo, at mga batong-hiyas, kasama ang mga tool para mapalawak ang kanilang mga iniaalok sa tindahan at online. Tinutulungan ng mga virtual na showroom at feed ng diyamante ang mga retailer na maipakita ang mga bato sa mga customer nang hindi kailangang mag-imbak ng buong pagpipilian. Iniaasikaso rin ng Nivoda ang pagkontrol sa kalidad at logistics, at nag-aalok ng express delivery at nababagong mga tuntunin sa kredito bilang bahagi ng mga solusyon nito para sa retail.

Senior na AI/ML Engineer, Remote sa Estados Unidos

Bumuo ng mga sistema ng pagraranggo, rekomendasyon, at multimodal na paghahanap para sa pandaigdigang pamilihan ng alahas at mga storefront ng alahero ng Nivoda. Maghatid ng mga kakayahan sa machine learning para sa produksyon sa paghahanap, pagtuklas ng produkto, at pagtutugma ng larawan.

Paglalarawan

  • Buuin at patakbuhin ang imprastraktura ng paghahanap sa pamilihan para sa pagraranggo at multimodal na paghahanap.
  • Gumawa ng mga nako-configure at multi-tenant na sistema ng pagraranggo at rekomendasyon para sa pamilihan ng Nivoda at mga storefront ng alahero.
  • Bumuo ng kontekstuwal na paghahanap at nakaplanong conversational assistant gamit ang disenyo ng prompt at mga retrieval-augmented na pamamaraan.
  • Gumawa ng mga pipeline para sa pagtutugma ng larawan sa attribute at larawan sa produkto gamit ang mga image embedding.
  • Magdagdag ng mga hakbang sa pagbawi at pagkumpirma bago gumawa ng mga aksiyong may malaking epekto ang mga probabilistikong sistema.
  • Magtakda at magsagawa ng mga pagsusuri sa paghahanap at pagraranggo, kabilang ang mga offline na sukatan at interleaving experiment.
  • Suriin at stress-test ang mga output ng foundation model at LLM.
  • Pamahalaan ang mga modelo ng pagraranggo at rekomendasyon mula sa pagbuo ng feature, pagsasanay, pagsusuri, deployment, hanggang pagsubaybay.
  • Magdisenyo at mag-optimize ng real-time na paghahatid ng modelo para sa mababang latency sa ilalim ng production load.
  • Gumamit ng mga AI coding agent para bumuo ng imprastraktura at mga pipeline ng ML, na sinusuportahan ng mahigpit na evaluation harness.
  • Sumali sa Discovery Pod para bumuo ng pagraranggo, mga rekomendasyon, input sa paghahanap, kontekstuwal at conversational na paghahanap, at paghahanap gamit ang pag-upload ng larawan para sa pandaigdigang pamilihan ng alahas.

Mga Kinakailangan

  • 5–10 taon ng propesyonal na karanasan.
  • Karanasan sa imprastraktura ng information retrieval gaya ng Elasticsearch/OpenSearch, Vespa, o mga vector database kabilang ang pgvector, Pinecone, o Weaviate.
  • Karanasan sa inilapat na machine learning para sa pagraranggo at mga rekomendasyon, kabilang ang learning-to-rank, embedding-based retrieval, at collaborative filtering.
  • Karanasan sa pamamahala ng mga modelo ng ML sa pagbuo ng feature, pagsasanay, pagsusuri, deployment, at pagsubaybay.
  • Karanasan sa produksyon sa mga aplikasyon ng NLP at LLM, kabilang ang disenyo ng prompt, mga retrieval-augmented na pamamaraan, at paghawak sa mga sitwasyong walang resulta at may mga trade-off.
  • Karanasan sa paghahatid ng mga modelo sa mga real-time system na mababa ang latency sa ilalim ng production load.
  • Kakayahang magsuri ng mga sistema ng paghahanap at pagraranggo gamit ang mga offline na sukatan at interleaving experiment.
  • Aktuwal na karanasan sa foundation model at LLM, kabilang ang pagsusuri at stress-testing sa mga output ng mga ito.
  • Karanasan sa pagdisenyo ng maayos na paghawak sa pagkabigo ng mga probabilistikong sistema.
  • Kumpiyansang gumamit ng mga AI coding agent para gumawa ng imprastraktura at mga pipeline ng ML, na may matibay na paninindigan sa pagsusuri at testing.
  • CV na nasa wikang Ingles.
  • Mas mainam: kaalaman sa mga batayan ng computer vision at mga image embedding.
  • Mas mainam: karanasan sa pagdisenyo ng mga nako-configure at multi-tenant na sistema.
  • Mas mainam: karanasan sa mga produktong conversational search o assistant-style search.
  • Mas mainam: karanasan sa paghahanap, pagraranggo, o mga rekomendasyon para sa pamilihan o e-commerce.

Mga Benepisyo

  • Flexible na oras ng trabaho.
  • Kulturang inuuna ang remote na trabaho.
  • Mga pagkakataon para sa propesyonal na pag-unlad at pagkatuto.
  • Walang limitasyong allowance sa bakasyon.
  • Pagkakataong sumali habang mabilis na lumalawak ang kumpanya.

Mga Kaugnay na Trabaho

CB Talents Academy

Espesyalista sa Suporta sa Customer na Nagsasalita ng Dutch (Remote, Portugal)

CB Talents Academy
1 – 10 Mga Empleyado
Edukasyon

Tumutulong sa mga user ng pandaigdigang online payment platform sa wikang Dutch, kabilang ang mga tanong tungkol sa pagbabayad, pangongolekta, tulong sa mga customer na nangangailangan, at pangangasiwa ng account habang remote mula sa Portugal.

Buksan
I

Senior na Tagapamahala ng Inhinyeriya ng Panganib

Imprint
201 – 500 Mga Empleyado
PagkonsultaPagmemerkadoPananalapi

Pangungunahan ang mga backend team na responsable sa real-time na awtorisasyon ng pagbabayad, mga desisyon sa pandaraya, at underwriting sa Imprint, isang platform para sa naka-embed na pagbabayad at kredito.

Buksan
Martin & Company

Direktor ng Konsultasyon sa Insurance sa Ari-arian at Aksidente

Martin & Company
51 – 200 Mga Empleyado
LogisticsPagkonsultaSeguro

Pangunahan ang mga konsultasyon sa insurance sa ari-arian at aksidente na direktang nakikipag-ugnayan sa kliyente sa Martin & Company, isang kompanyang tagapayo sa insurance na pinapagana ng teknolohiya. Itakda ang saklaw ng proyekto, panatilihin ang kalidad ng paghahatid, palaguin ang mga account ng kliyente, at gabayan ang mga consultant.

Buksan
Commonwealth Bank

Senior na Tagapamahala ng Engineering, Teknolohiya sa Pagbabayad

Commonwealth Bank

Pangunahan ang mga platform sa pag-uulat ng bayad sa limang engineering squad sa Commonwealth Bank, at gabayan ang modernisasyon ng cloud, real-time na datos, at engineering na tinutulungan ng AI sa Australia.

Buksan
General Dynamics Information Technology

Pangalawang Pangulo at General Manager, Hukbong Dagat at Marine Corps

General Dynamics Information Technology

Pangungunahan ang portfolio ng mga serbisyong teknolohiya ng GDIT para sa Hukbong Dagat at Marine Corps, na may taunang kita na lampas $700 milyon. Itatakda ang estratehiya sa negosyo, pangangasiwaan ang pinansiyal na pagganap at paghahatid, at pasisiglahin ang paglago sa mga programa sa depensa.

Buksan
Blizzard Entertainment

Associate Director ng Estratehiya at Pagpaplano ng Pandaigdigang Marketing

Blizzard Entertainment
1,001 – 5,000 Mga Empleyado
E-commercePaglalaroSaaS

Pangasiwaan ang estratehiya sa marketing ng mga laro ng Blizzard sa iba’t ibang bansa, mga prayoridad sa pamumuhunan, at pagpaplano ng paglago. Bumuo ng mga modelong pinansyal, balangkas ng merkado, at rekomendasyon para sa mga pasyang ehekutibo.

Buksan
Powered by Search

Pinuno ng Paglago, Canada (Remote)

Powered by Search
11 – 50 Mga Empleyado
B2BPagmemerkadoSaaS

Pamahalaan ang SEO, generative engine optimization, bayad na customer acquisition, at pagtataguyod ng brand sa isang ahensiya ng B2B demand generation. Bumuo ng pipeline gamit ang mga AI agent workflow, content, webinar, podcast, at mga event sa industriya.

Buksan