Brasilien
Harness
Avra
Head of Research (AI)
RemoteBrasilien
São Paulo, São Paulo, Brazil
Python
Automatische Übersetzung. Prüfe das Original.
Über Avra
Avra baut relationale Foundation Models für unternehmensweite Entscheidungsfindung in Brasilien.
Unsere Arbeit konzentriert sich auf Graph-native Modelle für strukturierte, risikoreiche Vorhersageprobleme: Kredit, Betrug, Wachstum, Überwachung und andere Entscheidungen, bei denen Entitäten nicht isoliert betrachtet werden können. Wir modellieren Unternehmen, Personen und die Beziehungen zwischen ihnen als sich entwickelnde Netzwerke und passen diese Darstellungen dann an kundenspezifische Vorhersageaufgaben an, die in bestehende Entscheidungssysteme integriert werden.
Wir arbeiten mit international anerkannten Forschungsexperten zusammen und legen Wert auf Forschung, die in der Praxis nützlich wird.
Die Rolle
Dies ist eine Führungsposition für einen "Player-Coach", der unsere Forschungsfunktion verantwortet und weiterentwickelt. Ihre Mission ist es, die wissenschaftliche Vision für unsere Foundation Models für relationale Daten (z. B. Graphen, Datenbanken) zu skalieren. Sie werden den technischen Standard für das gesamte Team erhöhen und die Lücke zwischen Spitzenforschung und produktionsreifen Fähigkeiten schließen, die die wichtigsten Kennzahlen unserer Kunden verbessern. Sie werden eng mit unseren Datenteams (Graph & Data Pipelines), Product Engineering & MLOps zusammenarbeiten, um ehrgeizige Ideen in den Kern der Plattform von Avra zu verwandeln.
Was Sie tun werden
Führung & Wissenschaftliche Strategie
- Verantwortung für die Forschungs-Roadmap unserer Foundation Models mit Schwerpunkt auf Wissensgraphen, Repräsentationslernen sowie selbst- und unüberwachten Methoden.
- Leitung, Mentoring und Weiterentwicklung eines erstklassigen Teams von Forschungsingenieuren und -wissenschaftlern.
- Etablierung und Förderung eines rigorosen Forschungszyklus: von der Hypothesenbildung und RFCs bis hin zu disziplinierten Experimenten und klaren, datengesteuerten Entscheidungen.
Hands-On Forschung & Engineering
- Entwurf und Implementierung von State-of-the-Art GNNs für unseren einzigartigen, groß angelegten Graphen. Lösung komplexer Probleme bei Knoten-, Kanten- und Graphen-Level-Aufgaben, Multi-Scale-Embeddings und temporaler/induktiver Generalisierung.
- Aufbau zuverlässiger, reproduzierbarer Trainings- und Evaluierungspipelines unter Verwendung von PyTorch, PyG und verteilten Trainingsframeworks.
- Definition und Pflege unserer Goldstandard-Benchmarks, um statistisch fundierte Modellvergleiche sicherzustellen.
Produktion & Lieferung
- Zusammenarbeit mit Product Engineering, um Modelle für Batch- und Online-Inferenz für unsere Kunden produktiv zu setzen.
- Partnerschaft mit unseren GTM-Teams zur Definition von Erfolgskriterien für Unternehmenskunden und zur Kommunikation der Auswirkungen der Arbeit Ihres Teams an technische und leitende Stakeholder.
- Sicherstellung, dass unsere Forschung die Herausforderungen realer Systeme, einschließlich Konzeptdrift, berücksichtigt und Verbesserung unserer Strategie für die Modellbereitstellung in regulierten Kontexten.
Sie sollten mitbringen
- 7+ Jahre Erfahrung in KI/ML (oder eine Promotion + 4 Jahre)
- Nachgewiesene Fähigkeit, Forschung in die Produktion zu überführen: Sie haben Ideen von einem Paper oder Prototyp zu skalierbarem, zuverlässigem Code umgesetzt, der messbare Geschäftsergebnisse erzielt hat.
- Hands-On Exzellenz in Python und PyTorch, mit tiefgreifender Kenntnis von Graph-Learning-Bibliotheken wie Pytorch Geometric oder DGL.
- Solide Grundlagen in Software Engineering, einschließlich Testen, Profiling und Aufbau wartbarer Systeme.
- Nachgewiesene Erfahrung im Mentoring und in der Leitung technischer Projekte oder im Management eines kleinen Teams (2-6) von Wissenschaftlern/Ingenieuren.
- Professionelle Kenntnisse in Portugiesisch und Englisch.
Bevorzugte Qualifikationen
- Erfahrung mit verteiltem Training und Inferenz.
- Erfahrung mit graphenbasierten Modellen.
- Tiefgehende Kenntnisse von selbstüberwachten oder kontrastiven Lerntechniken, insbesondere für Graphen.
- Eine starke Publikationsliste auf Top-KI-Konferenzen (NeurIPS, ICML, ICLR usw.) oder bedeutende Open-Source-Beiträge.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen