Member of Engineering – Pre-training, Data Acquisition

🕒 il y a 23 jours

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Recevoir des emails pour des emplois à distance

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

poolside

Site WebLinkedInTous les Emplois

51 - 200 employés

Fondée en 2023

🤖 Intelligence artificielle

🏢 Entreprise

Artificial Intelligence • Enterprise

Poolside est un accélérateur spécifiquement conçu pour les fondateurs et builders Web3. Il apporte un soutien aux projets en finance décentralisée (DeFi), gaming, gouvernance, infrastructure et NFT. Fort d’un écosystème de 20 000 membres, incluant des mentors, des investisseurs et des builders Web3, Poolside a co-lancé et accompagné plus de 110 projets. L’accélérateur offre un accès privilégié au mentorat et à l’expertise technique pour aider les projets Web3 à scaler et à réussir leurs lancements. Poolside collabore également avec des entreprises et des protocoles de premier plan pour stimuler la croissance et l’innovation dans l’écosystème Web3.

Description

• Design, build, and operate a large-scale web crawler responsible for acquiring all openly accessible data on the internet • Develop specialized deep crawlers targeting high-value sources to improve recall and coverage • In collaboration with data researchers, own a long-term road map for data acquisition • Build observability, monitoring, and debugging tooling to ensure reliability and transparency across crawl infrastructure • Collaborate with pre-training, post-training, and evaluations teams to align data acquisition priorities with model training needs • Build high-throughput ingestion pipelines for rapidly onboarding partner data and evaluating it for quality

🎯 Exigences

• Strong distributed systems background with proven experience building and operating large-scale infrastructure — data pipelines, web crawlers, or similar • Proficiency in Python, and comfortable optimizing performance and debugging complex systems under production conditions • Hands-on experience with web crawling or large-scale data extraction: understanding of HTTP protocols, distributed job queues, and data parsing at scale • Familiarity with cloud platforms (AWS) and container orchestration (Kubernetes, Docker) for deploying and managing high-throughput workloads • Awareness of the non-technical dimensions of internet-scale crawling: data privacy, robots.txt adherence, and responsible crawl practices • Nice to have: • Prior experience pre-training LLMs • Experience in building trillion-scale SOTA pre-training datasets • Experience translating research to production at scale

🏖️ Avantages

• Fully remote work & flexible hours • 37 days/year of vacation & holidays • 16 weeks of flexible, full-pay parental leave • Health insurance allowance for you & dependents • Company-provided equipment • Well-being, always-be-learning & home office allowances • Frequent team get togethers • Diverse & inclusive people-first culture