Portugal
Jolera
Aghanim
Ingeniero de ML Fundador, Post-Training
Portugal
Lisbon, Portugal · Belgrade, Central Serbia, Serbia
TypeScriptPythonSQLGCP
Traducción automática. Consulta el original.
Sobre la oportunidad
Aghanim es una plataforma de comercio integrado, automatización de liveops, interacción comunitaria y pagos para videojuegos.
Los juegos móviles han dependido tradicionalmente de las tiendas de aplicaciones para la distribución, los pagos y las relaciones con los jugadores. Creemos que existe una forma mejor. Aghanim ayuda a los estudios de videojuegos a construir relaciones directas con los jugadores, vender directamente y construir su futuro bajo sus propios términos. Hoy en día, más de 100 juegos en todo el mundo ya están construyendo este futuro con Aghanim.
Nuestro equipo reúne a personas de Los Ángeles, Nueva York, Seúl, Pekín, Londres, Lisboa, Belgrado y otras ubicaciones alrededor del mundo, con una profunda experiencia en gaming, fintech y tecnología. Nos movemos rápido, mantenemos una comunicación directa y nos enfocamos en hacer las cosas. Creemos que las mejores personas prosperan cuando tienen autonomía, sentido de propiedad y una participación en el éxito de la empresa.
Buscamos un Ingeniero de ML Fundador de nivel Senior o Principal para liderar la transición de Newton, el producto de IA de Aghanim para socios, desde APIs de modelos propietarios a modelos bajo nuestro control.
Newton ya funciona en producción con modelos de vanguardia. Serás responsable de la capa de modelos de principio a fin: recopilación de datos, evaluación, post-training, servicio y despliegue. El objetivo es preservar la calidad en la que confían los socios mientras se reducen los costes, se mejora la velocidad y se mantiene la información de los socios dentro de nuestra infraestructura.
Trabajarás estrechamente con el producto para comprender su comportamiento y las expectativas de los socios, para luego definir de forma independiente el enfoque técnico y las prioridades. Las decisiones sobre entrenamiento, enrutamiento y sustitución de modelos deben estar respaldadas por datos de producción y evaluaciones.
Responsabilidades clave
- Construir pipelines de datos de producción que capturen instrucciones versionadas, llamadas a herramientas, resultados, costes y desenlaces, con anonimización, eliminación a nivel de socio y correcciones de expertos.
- Desarrollar benchmarks, pruebas de regresión y evaluadores basados en código y en LLM utilizando ejecuciones reales de Newton para medir la precisión factual, el uso de herramientas, la calidad de las respuestas, el coste y la latencia.
- Comparar modelos de vanguardia y de pesos abiertos, enrutar tareas a los modelos adecuados e identificar dónde el prompting, la destilación o el post-training ofrecen los mejores resultados.
- Entrenar y adaptar modelos utilizando destilación, SFT, LoRA/QLoRA y DPO en trayectorias aceptadas y feedback de expertos; utilizar RL cuando los enfoques más sencillos no sean suficientes.
- Desplegar modelos detrás de la interfaz existente de Newton, validarlos mediante ejecuciones en sombra (shadow runs) y gestionar el despliegue basándose en benchmarks de calidad y economía de servicio.
Stack tecnológico: Python, TypeScript, SQL, Langfuse autohospedado, TRL / Unsloth / Axolotl o plataformas de entrenamiento gestionadas, vLLM, GPUs serverless, GCP / Modal; modelos de pesos abiertos incluyendo Qwen, Gemma, DeepSeek y GLM.
Cualificaciones requeridas
- Experiencia práctica en post-training de LLMs y su puesta en producción utilizando SFT, LoRA/QLoRA, DPO y destilación.
- Experiencia en la construcción de sistemas de evaluación a partir de datos de producción, incluyendo benchmarks offline, pruebas de regresión y de comportamiento, y evaluadores basados en código y en LLM.
- Comprensión de sistemas agentes, incluyendo llamadas a herramientas, trayectorias de múltiples pasos, salidas estructuradas y el impacto de cambiar el modelo subyacente.
- Experiencia práctica sirviendo modelos con vLLM o herramientas similares, cuantización y despliegue en GPU, incluyendo latencia, arranque en frío (cold-start) y compensaciones de costes.
- Sólidas habilidades en Python y SQL en producción, con suficiente competencia en TypeScript para modificar el código del producto y la instrumentación de forma independiente.
- Capacidad para comprender el comportamiento del producto y las expectativas del usuario, traducirlas en requisitos de calidad medibles y decidir cuándo está justificado el entrenamiento.
- Experiencia asumiendo de forma independiente un área técnica, estableciendo prioridades y trabajando en una base de código desconocida y sus documentos de diseño.
- Uso regular de agentes de codificación de IA, con un enfoque claro para verificar sus resultados.
Cualificaciones preferidas
- Experiencia migrando un producto en producción desde APIs de modelos propietarios a modelos autohospedados o de pesos abiertos.
- Experiencia con RL para LLMs, particularmente GRPO con verificadores automáticos.
- Familiaridad con Langfuse, Braintrust o herramientas de trazado y evaluación similares.
- Experiencia con GCP, incluyendo Vertex AI, Cloud Run GPU y BigQuery.
- Interés en la monetización y analítica de videojuegos.
Por qué unirte a nosotros
- Equipo de clase mundial: trabaja junto a profesionales experimentados de todo el mundo que han creado productos utilizados por millones de jugadores.
- Alto crecimiento, alto impacto: sé parte de una empresa de rápido crecimiento donde las ideas se convierten en productos y llegan a los clientes en días, no en meses.
- Autonomía y sentido de propiedad: confiamos en las personas para tomar decisiones, tomar la iniciativa y obtener resultados.
- Herramientas y tecnología modernas: utiliza IA, automatización y herramientas modernas como parte de tu trabajo diario.
- Equity: participa en el crecimiento y el éxito a largo plazo de la empresa.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil