Applied ML Engineer, Data

Stelle nicht auf LinkedIn

🕒 vor 3 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

Cantina

WebsiteLinkedInAlle Stellen

51 - 200 Mitarbeiter

Gegründet founded by Sean Parker

🤖 Künstliche Intelligenz

🎮 Gaming

🌍 Soziale Wirkung

Artificial Intelligence • Gaming • Social Impact

Cantina ist ein Unternehmen, das sich auf die Erstellung fortschrittlicher KI-Charaktere spezialisiert hat, die sprechen, fühlen und ihre Abenteuer mit Selfies festhalten können. Es bietet eine Plattform, auf der Nutzer ihre KI-Bots in Online-Communities entfalten können, was diesen lebensechten, sozialen Wesen ermöglicht, mit Menschen zu interagieren. Cantina konzentriert sich auf den Aufbau von Netzwerken von KI-Influencern und ermutigt Nutzer, ihre eigenen Sammlungen von KI-Bots zu erkunden und zu erstellen. Die Mission des Unternehmens ist es, ein interaktives Universum zu schaffen, das Kreativität und soziale Interaktion durch digitale Persönlichkeiten und KI-Technologie fördert.

Beschreibung

• Aufbau und Pflege von Datenpipelines für große Modelle zur Videogenerierung, einschließlich Datenerfassung, Parsing, Filterung, Vorverarbeitung und skalierter Datensatzkuratierung unter Verwendung von Tools wie AWS S3 und DynamoDB. • Entwurf und Durchführung von Annotierungs-Workflows auf Plattformen wie MTurk, Prolific und Mechanical Turk, einschließlich Aufgaben-Design, Qualitätskontrollen und Label-Validierung. • Training, Evaluierung und Verbesserung kleinerer unterstützender Modelle, die für Datenfilterung, Qualitätsbewertung, Vorverarbeitung oder andere Teile der ML-Pipeline verwendet werden. • Enge Zusammenarbeit mit Forschungs- und Engineering-Teams, um experimentelle Workflows in skalierbare, wiederholbare Systeme umzusetzen, die Modelltraining und -evaluierung unterstützen. • Verantwortung für die Datenqualität über die gesamte Pipeline hinweg durch Identifizierung von Engpässen, Fehlerursachen und minderwertigen Quellen sowie kontinuierliche Verbesserung von Tools und Prozessen. • Entwicklung interner Werkzeuge und Automatisierungen, die das Vorbereiten von Datensätzen, das Starten von Annotierungsaufträgen, das Überwachen von Ergebnissen und die Unterstützung der Modellentwicklung end-to-end erleichtern. • Leitung größerer Pipeline-Projekte von der Konzeption bis zur Umsetzung, wie z. B. neue Datensatz-Erstellungsinitiativen oder Upgrades an Labeling- und Vorverarbeitungsinfrastrukturen. • Arbeit innerhalb einer Kubernetes-basierten Trainingsinfrastruktur und Sicherstellung, dass Datensätze ordnungsgemäß vorbereitet, formatiert und an Trainings-Cluster geliefert werden. • Profiling und Optimierung von Research-Model-Inferenzskripten, die in Vorverarbeitungsschritten eingesetzt werden, um sicherzustellen, dass modellgetriebene Filter- und Transformationsstufen bei der Anwendung auf großskalige Rohdaten innerhalb praktikabler Zeit- und Kostenrahmen laufen.

🎯 Anforderungen

• Mindestens 3 Jahre Erfahrung im Bereich Machine Learning, Applied ML, Datenpipelines oder verwandten Engineering-Rollen, idealerweise mit Arbeit an großskaligen multimodalen, video- oder visionsbasierten Systemen. • Starke Programmierkenntnisse in Python und fundierte Erfahrung im Aufbau zuverlässiger Datenverarbeitungs- und Vorverarbeitungspipelines für ML-Workflows. • Praktische Erfahrung in der Vorbereitung von Trainingsdaten für ML-Modelle, einschließlich Parsing, Filterung, Datensatzkuratierung, Qualitätskontrolle und Umgang mit großen Datenmengen unter Verwendung von Tools wie AWS S3 und DynamoDB. • Vertrautheit mit Annotierungs- und Labeling-Workflows, einschließlich Aufgaben-Design, Orchestrierung über Vendoren oder Crowd-Plattformen wie MTurk oder Prolific und Methoden zur Sicherstellung der Label-Qualität. • Erfahrung im Umgang mit Kubernetes zur Orchestrierung verteilter Workloads, einschließlich Datenvorverarbeitung, Pipeline-Ausführung und Bereitstellung von Datensätzen an Trainings-Cluster. • Sicherer Umgang mit Cloud- und On-Demand-Compute-Umgebungen wie AWS und RunPod sowie die Fähigkeit, Pipelines über verschiedene Infrastrukturen zu portieren und zu optimieren. • Vertrautheit mit verteilten Datenverarbeitungsframeworks und Erfahrung im Entwurf zuverlässiger Systeme, die in großem Maßstab über viele Knoten oder Worker betrieben werden. • Praktische Kenntnisse in PyTorch und dem weiteren Deep-Learning-Stack sowie die Fähigkeit, Research-Model-Inferenzcode zu lesen, zu debuggen und für die Nutzung in Produktions-Vorverarbeitungspipelines zu optimieren. • Fähigkeit zur bereichsübergreifenden Zusammenarbeit mit Forschungs- und Engineering-Teams und zur Übersetzung experimenteller Ideen in robuste, skalierbare Systeme. • Bachelor-, Master- oder PhD-Abschluss in Informatik, Machine Learning, Engineering, Mathematik oder einem verwandten technischen Fach; Erfahrung in generativer Videoerzeugung, Computer Vision oder multimodalem ML wird stark bevorzugt. • Bonus: Erfahrung im Training, der Evaluierung oder dem Fine-Tuning kleinerer ML-Modelle, die für Klassifikation, Filterung, Ranking, Qualitätsbewertung oder andere unterstützende Aufgaben in einer ML-Pipeline eingesetzt werden.

🏖️ Vorteile

• Wettbewerbsfähiges Gehalt und großzügige Unternehmensbeteiligung • Kranken-, Zahn- und Augenversicherung – 99,99 % der Prämien werden von Cantina übernommen • 42 Tage bezahlte Freistellung, darunter: • 15 PTO-Tage • 10 Krankheitstage • 15 betriebliche Feiertage • 2 flexible freie Tage • Großzügige Elternzeit und Unterstützung bei Fruchtbarkeitsbehandlungen • 401(k)-Altersvorsorgeplan • Lifestyle-Ausgabenkonto – $500/Monat zur freien Verfügung • Kostenloses Mittagessen und Snacks für Mitarbeitende im Büro • One Medical-Mitgliedschaft und mehr!