Ingegnere di machine learning (ML) · Vancouver, Canada · ONSITE (ibrido) · Beatdapp a tempo pieno è un ~50-p
A proposito di questo ruolo
Beatdapp | Ingegnere di machine learning (ML) | Vancouver, Canada | IN SEDE (Ibrido) | Beatdapp a tempo pieno è una startup di circa 50 persone che fornisce tecnologia di integrità audio e streaming alle piattaforme multimediali. Elaboriamo i dati su scala TB/PB per proteggere l'ecosistema delle royalty, generare consigli autentici e rilevare contenuti generati dall'intelligenza artificiale. Cerchiamo un ingegnere ML esperto (+3 anni) per lavorare sui nostri sistemi di inferenza e sulla nostra piattaforma dati. In questo ruolo, eseguirai l'ingegneria ML, la progettazione di piattaforme/infrastrutture cloud e creerai sistemi di inferenza di modelli ML. Sarai un tentativo
Informazioni sui ruoli dati/ml
I ruoli relativi ai dati e al machine learning sono suddivisi in tre gruppi: analisti (SQL, dashboard, domande aziendali), ingegneri (pipeline, infrastrutture) e scienziati (modellazione, sperimentazione). Il titolo del lavoro non ti dice sempre quale: leggi attentamente la descrizione.
Abilità tipiche: SQL, Python, panda, statistiche di base; I ruoli ML aggiungono scikit-learn/PyTorch/TensorFlow; i ruoli ingegneristici aggiungono Airflow / dbt / Spark
Approfondimenti sugli stipendi (Stati Uniti, approssimativi)
L'intervallo tipico per i ruoli dati/ml negli Stati Uniti è $85.000–$240.000/anno, che varia ampiamente a seconda dell'anzianità, della fase aziendale e della città.
Solo stime. Per i numeri specifici dell'azienda, controlla Levels.fyi (tech), Glassdoor o chiedi durante il colloquio.
Come prepararsi per il colloquio
Le interviste sui dati sono suddivise: analisti ricevere domande su SQL e casi di studio, ingegneri ottenere progettazione e codifica della pipeline, scienziati ottieni statistiche + modellazione ML + a volte un set di dati da portare a casa. Leggi attentamente il JD e preparati al sapore reale: non perdere tempo con PyTorch per un ruolo di analista.
Domande comuni a tutti e tre: "Come misureresti il successo di [caratteristica del prodotto]?", "Guidami attraverso un progetto in cui i dati ti hanno detto qualcosa di sorprendente", e Funzioni della finestra SQL (LAG, ROW_NUMBER, PARTITION BY: esercitati in modo specifico). Per i ruoli ML, aspettati una domanda sull'adattamento eccessivo, sul compromesso bias-varianza e su come eseguire il debug di un modello che funziona bene nell'addestramento e male nella produzione.
Dove questo ruolo tipicamente porta
I percorsi di carriera nel campo dei dati/ML sono diventati più complicati man mano che la disciplina è maturata. La progressione più chiara: Analista junior → Analista senior → Responsabile analisi dal lato degli analisti, Junior Data Engineer → Senior → Staff dal lato ingegneristico, e Junior DS → Senior DS → Principal DS / ML Lead dal lato modellistico. I picchi salariali sono più alti per gli ingegneri ML e i ricercatori presso le grandi aziende tecnologiche.
Gli spostamenti interdisciplinari sono comuni: gli analisti che imparano l'ingegneria spesso imparano più degli ingegneri che non hanno imparato il contesto aziendale. Resta vicino al business: i dati più preziosi sono quelli che i dirigenti introducono nelle discussioni sulla strategia, non quelli che creano solo dashboard.
Bandiere rosse a cui prestare attenzione
- Ruolo di "scienziato dei dati" che è in realtà un analista SQL. Leggi attentamente le responsabilità: se sono tutte dashboard e query ad hoc, è un ruolo di analista con un titolo scientifico.
- Nessuna menzione della collaborazione delle parti interessate. Il lavoro sui dati in isolamento è solitamente un lavoro sui dati che viene ignorato. Il ruolo deve essere integrato in un team aziendale.
- "AI / ML" elencato ovunque ma senza dettagli. Se non riescono a nominare i problemi reali che vogliono risolvere con il machine learning, l'azienda fa acquisti di parole d'ordine.
- Chiedere "10+ anni di Python" o combinazioni impossibili. O il JD è stato scritto dalle risorse umane senza il contributo di un team di dati oppure l'azienda ha aspettative non realistiche.
Domande frequenti
Come posso candidarmi a questo ruolo?
Fai clic sul pulsante "Candidati a Hn-Who-Hiring" nella parte superiore di questa pagina. Verrai inviato all'annuncio originale in cui il datore di lavoro accetta le domande. Wikishopline non raccoglie curriculum né elabora candidature.
Questo elenco è attuale?
Wikishopline aggrega quotidianamente lavori da fonti partner (hn-who-hiring). I post più vecchi di circa 14 giorni vengono eliminati, ma verifica sempre che il ruolo sia ancora aperto sul sito del datore di lavoro prima di dedicare tempo a una lettera di accompagnamento.
Wikishopline addebita costi ai datori di lavoro o ai candidati?
No. I lavori aggregati sono gratuiti per entrambe le parti. Wikishopline accetta anche inserzioni retribuite per 30 giorni/$5 su /jobs/submit per i datori di lavoro che desiderano visibilità diretta, ma l'elenco che stai visualizzando proviene da un partner.
Cosa comporta in genere un ruolo dati/ml?
I ruoli relativi ai dati e al machine learning sono suddivisi in tre gruppi: analisti (SQL, dashboard, domande aziendali), ingegneri (pipeline, infrastrutture) e scienziati (modellazione, sperimentazione). Il titolo del lavoro non ti dice sempre quale: leggi attentamente la descrizione.
Qual è la fascia salariale tipica per i ruoli dati/ml negli Stati Uniti?
Circa $ 85.000– $ 240.000 USD/anno, a seconda dell'anzianità, dell'ubicazione e della fase aziendale. Si tratta di una gamma ampia appositamente: verifica con Levels.fyi o Glassdoor per l'azienda specifica.
