Technical Lead, Machine Learning

🕒 vor 5 Monaten

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

BJAK

WebsiteLinkedInAlle Stellen

51 - 200 Mitarbeiter

🛍️ eCommerce

🛡️ Versicherung

🏪 Marktplatz

eCommerce • Insurance • Marketplace

BJAK ist ein Online-Fahrzeugversicherungsagent und ein führendes Unternehmen mit MSC-Status in Malaysia, das eine Plattform betreibt, um Versicherungsdienstleistungen von verschiedenen Anbietern für Privatpersonen und Unternehmen bereitzustellen. Die BJAK-Plattform ermöglicht es Nutzern, online basierend auf ihren Bedürfnissen Angebote anzufordern und Zahlungen direkt über die Plattform abzuwickeln. Nutzer können ihre Versicherungsprodukte in nur fünf Minuten auswählen, vergleichen und anpassen, was den Online-Versicherungskauf effizient und benutzerfreundlich macht. BJAK ist bestrebt, seine Plattform kontinuierlich zu verbessern und bietet zusätzliche Dienstleistungen wie Pannenhilfe, Schadensmanagement und exklusive VIP-Vorteile für Nutzer an.

Beschreibung

• Own the execution layer of A1’s intelligence – training pipelines, inference systems, evaluation tooling, and deployment • Architect and operate scalable inference systems, balancing latency, cost, and reliability • Build and own end-to-end ML pipelines spanning data, training, evaluation, inference, and deployment

🎯 Anforderungen

• You have built or shipped real ML systems used by people, not just demos • You are comfortable working with large models and understanding their failure modes • You write strong, production-grade code and care about system correctness • You are self-directed, pragmatic, and take full ownership of outcomes • You communicate clearly and collaborate well in small, high-trust teams

🏖️ Vorteile

• Collaborate closely with application engineering to integrate ML systems cleanly into backend, mobile, and desktop products • Own production deployment, including GPU optimization, memory efficiency, latency reduction, and scaling policies • Implement evaluation pipelines covering performance, robustness, safety, and bias, in partnership with research leadership • Design and maintain data systems for high-quality synthetic and real-world training data • Fine-tune and adapt models using state-of-the-art methods such as LoRA, QLoRA, SFT, DPO, and distillation • Build and own end-to-end ML pipelines spanning data, training, evaluation, inference, and deployment • Work under real production constraints: latency, cost, reliability, and safety • Make pragmatic trade-offs and ship improvements quickly, learning from real usage