Especialista em Equipe Técnica | Sistemas de ML

Vaga não está no LinkedIn

🔥 9 minutos atrás

🇧🇷 Brasil – Remoto

⏰ Tempo Integral

🔴 Especialista

🖥 Engenheiro de Software

👻 Score fantasma 12%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

avra

SiteLinkedInTodas as Vagas

1 - 10 funcionários

💼 Consultoria

💸 Finanças

🤝 B2B

Consulting • Finance • B2B

Criamos a avra com um objetivo claro: capacitar fundadores de startups em estágio de crescimento com o alicerce adequado para escalar suas empresas após a rodada Series A.

Descrição

• Desenvolver kernels CUDA e primitivas computacionais para treinamento e serving de redes neurais de grafos (GNNs) • Evoluir o Monad, a biblioteca de sampling e treinamento distribuído, incluindo neighbor sampling e desempenho de treinamento • Especificar formatos de dados binários (Lance, Arrow, CSR/CSC) e assumir a responsabilidade pelas materializações e atualizações retroativas de features para treinamento e avaliação • Definir contratos de dados e requisitos de consumo com equipes que desenvolvem datasets de clientes e proprietários • Desenvolver e operar infraestrutura de tracking de experimentos, checkpoints e avaliação, com reprodutibilidade como padrão • Gerenciar o registro de modelos, a linhagem, o versionamento e a compatibilidade entre modelos, embeddings e modelos downstream • Definir e executar gates de release para lançamentos governados de modelos em produção, em batch e on-premises • Viabilizar a auditoria dos dados, código, configuração e evidências que produziram cada release • Melhorar o tempo até a realização de experimentos, o tempo até releases governados, o throughput de treinamento em GPUs, os registros de releases, a linhagem e a reprodutibilidade

🎯 Requisitos

• Sólidas habilidades de engenharia de sistemas e experiência com Python em nível de produção • Experiência com treinamento distribuído (por exemplo, Ray e PyTorch Distributed) e workloads de GPU em múltiplos nós • Experiência com formatos de dados colunares e materialização de dados em larga escala • Familiaridade com ferramentas do ciclo de vida de ML: tracking de experimentos, registros de modelos, avaliação e reprodutibilidade • Mentalidade de produto: tratar uma plataforma interna como um produto com usuários reais • Desenvolvimento de kernels CUDA ou otimização de desempenho de GPUs (diferencial) • Redes neurais de grafos ou graph sampling em escala (diferencial) • Lance, Arrow ou outros formatos de armazenamento colunares/indexados (diferencial) • Computação em GPUs multi-cloud (por exemplo, SkyPilot) (diferencial) • Governança de modelos ou requisitos de auditoria em serviços financeiros ou outros ambientes regulados (diferencial)