Machine Learning Engineer 2

Эта позиция нужна, чтобы создавать и масштабировать пайплайны, превращающие необработанные данные диалогов в структурированную, доступную для поиска память о клиентах, а также системы оценки, которые сохраняют точность этой памяти по мере развития продукта.

• Создавать пайплайн извлечения, который превращает необработанные данные в структурированную память: настраивать промпты и схемы для LLM, определяющие, что AI-агент помнит о клиенте, а что забывает.

• Отвечать за путь извлечения данных (retrieval), который за миллисекунды отвечает на вопрос «что мы знаем об этом человеке?», работая с эмбеддингами, векторным поиском и ранжированием

• Участвовать в создании систем оценки (eval), которые показывают, действительно ли память становится лучше, превращая расплывчатый вопрос о качестве в бенчмарки и регрессионные проверки, запускаемые перед каждым релизом изменений.

• Диагностировать проблемы в продакшене на всём пути приёма данных, извлечения и индексации с помощью логов, метрик и трейсов.

• Сотрудничать с командами Product и ML, чтобы превращать проблемы клиентов в изменения системы и критерии оценки.

• Опыт создания бэкенд-сервисов и подтверждённая способность осваивать новые языки, фреймворки и инструменты по мере необходимости.

• Любознательный подход к управлению сервисами: умение исследовать, как системы на самом деле ведут себя в продакшене, и желание постоянно учиться эксплуатировать их строго и ответственно.

• Опыт создания систем оценки и измерения качества или работы с ними, например обнаружения регрессий или метрик качества, либо желание этому научиться.

• Хорошее знание практик наблюдаемости (observability): структурированное логирование, метрики и их использование для отладки распределённых систем в продакшене.

• Уверенное владение инструментами разработки с поддержкой AI (например, агентами для генерации кода, ревью, отладки), применяемыми целенаправленно и с критическим мышлением.

• Опыт работы с Go и/или Python.

• Опыт работы с системами потоковой передачи событий (например, Kafka).

• Опыт создания продуктов на основе LLM.

• Практический опыт применения ML, например создания, оценки или вывода моделей в продакшен.

Работа в Twilio даёт множество преимуществ, включая конкурентную оплату, щедрый оплачиваемый отпуск, продолжительный отпуск по уходу за ребёнком и для поддержания здоровья, медицинское обслуживание, программу пенсионных накоплений и многое другое. Предложения различаются в зависимости от местоположения.