États-Unis
B&A
Nivoda
Ingénieur Senior IA/ML
États-Unis
Boston, Massachusetts, United States
TypeScriptNode.jsPostgreSQLAWSKubernetesGo
Traduction automatique. Consultez l’original.
Stack technique
Lieu : États-Unis - NYC, Boston
Salaire : $200,000 - $280,000
Recherche : OpenSearch, alimenté via CDC depuis PostgreSQL plus des jobs d'ingestion Spark/EMR/Glue. Aucune base de données vectorielle en production — la récupération basée sur les embeddings, le modèle de classement et la recherche par embedding d'image sont de véritables nouvelles constructions pour quiconque occupera le rôle Discovery.
Base de données / entrepôt principal : PostgreSQL (OLTP) → Snowflake (modélisé avec dbt, couches raw/curated/presentation de type médaillon)
Backend : TypeScript/Node.js, passerelle API GraphQL, monorepo Nx + PNPM
Authentification : Keycloak · SSO : Okta
CI/CD : Jenkins (« Nivoda Build ») + GitOps pour les déploiements
Cloud : AWS (EMR, Glue, DMS, déploiements basés sur Kubernetes)
Observabilité : Grafana pour les logs/traces
❤️ Égalité des chances
Nivoda est un employeur qui souscrit au principe de l'égalité des chances. Nous nous engageons à bâtir une équipe diversifiée et inclusive, et nous accueillons les candidatures de personnes de tous horizons, indépendamment de la race, du genre, de l'âge, de la religion, de l'orientation sexuelle, du handicap ou de toute autre caractéristique protégée par la loi. Même si vous avez l'impression de ne pas remplir 100% de nos exigences, ne laissez pas cela vous empêcher de postuler — nous serions ravis d'avoir de vos nouvelles.
👋 Ce n'est pas le bon rôle ?
Rejoignez le vivier de talents de Nivoda et nous vous contacterons lorsqu'une opportunité plus adaptée se présentera.
💎 À propos de Nivoda
Nivoda est le système d'exploitation de l'industrie mondiale de la bijouterie. Nous mettons directement en relation les fournisseurs de diamants et de pierres précieuses avec les détaillants en bijouterie dans plus de 70 pays, remplaçant ainsi une méthode de commerce lente, hors ligne et limitée par les relations par une place de marché numérique unique. Nous générons déjà plus de 300 millions de dollars de transactions annuelles, au sein d'une industrie pesant plus de 350 milliards de dollars à l'échelle mondiale — et nous n'en sommes qu'au début. La bijouterie est l'une des dernières grandes industries mondiales à se numériser, et nous sommes ceux qui construisent les rails sur lesquels elle fonctionnera.
🤔 Notre mission
Le commerce des diamants et des pierres précieuses repose depuis des décennies sur des réseaux fragmentés, des processus manuels et des relations basées sur le réseau personnel — ce qui exclut les entreprises plus petites et plus récentes, et fait perdre du temps et des marges aux plus grands acteurs en raison de l'inefficacité. Nous avons lancé Nivoda pour résoudre ce problème : offrir à toute entreprise de bijouterie, quel que soit son lieu ou sa taille, le même accès, la même transparence des prix et la même facilité de transaction qu'à un géant de l'industrie. Notre mission est de rendre l'achat et la vente de diamants et de pierres précieuses radicalement plus simples, partout dans le monde.
⭐️ Le Discovery Pod
Vous rejoindriez le Discovery Pod 🔍 — l'équipe qui décide de la manière dont des centaines de milliers de diamants et de pierres précieuses sont réellement trouvés. Cela inclut le classement, les recommandations et la saisie de recherche : de l'expérience principale de recherche et de filtrage, à la recherche contextuelle et à un assistant conversationnel prévu, jusqu'à la recherche par téléchargement d'image qui permet à un acheteur de trouver une correspondance à partir d'une photo. Le moteur de classement et de recommandation que vous construirez devra servir à la fois la propre place de marché de Nivoda et les nombreuses vitrines de marque individuelle que les bijoutiers gèrent via nos produits SAAS. Nous sommes une petite équipe avec un fort sens des responsabilités et ce pod construit le produit alimenté par l'IA lui-même, et ne se contente pas d'utiliser des outils d'IA pour aller plus vite.
À propos du poste
Nous recrutons un ingénieur Senior IA/ML pour le Discovery Pod afin d'aider à construire et à exploiter les systèmes de classement, de recommandation et de recherche sur lesquels les acheteurs comptent pour trouver la bonne pierre ou le bon bijou en quelques secondes. Il s'agit de travail réel de recherche d'informations et de ML appliqué sur une infrastructure de production — systèmes de recherche, récupération basée sur les embeddings, apprentissage du classement (learning-to-rank), recherche contextuelle et conversationnelle alimentée par LLM, embeddings d'images pour la recherche basée sur des photos — et non de configurer un widget de recherche hébergé ou d'appeler une API de modèle pour passer à autre chose. Vous serez responsable des modèles de bout en bout, des fonctionnalités et de l'entraînement jusqu'à l'évaluation, le déploiement et la surveillance, et vous devrez comprendre comment ces systèmes probabilistes se comportent et échouent, car cette compréhension est le cœur du métier, et non une compétence annexe.
⭐️ Notre culture et ce que nous offrons
Nous sommes une équipe collaborative en forte croissance qui croit en l'autonomisation plutôt qu'en la hiérarchie. Vous aurez une réelle responsabilité dès le premier jour, la chance de travailler sur des problèmes que la plupart des entreprises ne savent même pas encore qu'elles ont, et une culture qui prend l'apprentissage et la croissance au sérieux — car nous évoluons rapidement et nous avons besoin que vous grandissiez avec nous.
Quelles seraient vos missions ?
Moteur de recherche principal
- Construire et exploiter une véritable infrastructure de recherche — Elasticsearch/OpenSearch, Vespa, ou des bases de données de recherche vectorielle comme pgvector, Pinecone ou Weaviate — pour alimenter le classement et la recherche multimodale sur la place de marché de Nivoda
- Concevoir des systèmes de classement et de recommandation multi-locataires et configurables qui servent à la fois la propre place de marché de Nivoda et de nombreuses vitrines de bijoutiers de marque individuelle via des flux (Feeds), sans dupliquer la base de code
IA multimodale
- Construire et améliorer la recherche contextuelle et notre assistant conversationnel prévu, en utilisant la conception de prompts et des approches augmentées par la récupération (RAG), avec une gestion élégante des scénarios sans résultat ou de compromis, plutôt que de fournir une réponse fausse mais assurée
- Construire des pipelines image-vers-attribut et image-vers-correspondance-produit en utilisant des embeddings d'images pour notre travail de recherche par téléchargement d'image
- Construire le produit en tenant compte du fait que les systèmes probabilistes peuvent se tromper avec assurance — concevoir des chemins de récupération et des étapes de confirmation avant les actions à fort enjeu, comme la génération d'un devis de fabrication à partir d'une image interprétée
Expérimentation et qualité
- Définir et exécuter des évaluations spécifiques à la recherche et au classement — métriques de classement hors ligne, expériences d'entrelacement — pour déterminer si un changement de classement est réellement meilleur, et non simplement différent
- Évaluer et tester sous contrainte les modèles de fondation et les sorties de LLM directement dans le cadre du processus d'ingénierie, plutôt que de leur faire confiance par défaut
ML en production
- Prendre en charge le cycle de vie complet des modèles de classement et de recommandation — fonctionnalités, entraînement, évaluation, déploiement et surveillance — en utilisant des techniques d'apprentissage du classement, de récupération basée sur les embeddings et de filtrage collaboratif
- Concevoir et optimiser des systèmes de service de modèles en temps réel à faible latence qui maintiennent une recherche instantanée sous la charge de production
- Utiliser des agents de codage IA pour construire l'infrastructure et les pipelines ML, associés à des harnais d'évaluation rigoureux qui détectent les bugs de classement et de récupération qu'un système peut masquer tout en semblant fonctionner
Que recherchons-nous chez vous ?
- Années d'expérience : 5-10 ans
- Expérience en infrastructure de recherche d'informations — construction ou exploitation de systèmes de recherche réels (Elasticsearch/OpenSearch, Vespa, ou bases de données de recherche vectorielle comme pgvector, Pinecone ou Weaviate)
- ML appliqué au classement et aux recommandations, de bout en bout — apprentissage du classement, récupération basée sur les embeddings, filtrage collaboratif — avec une aisance à gérer les fonctionnalités, l'entraînement, l'évaluation, le déploiement et la surveillance, et non simplement appeler une API de modèle
- Expérience en NLP et application de LLM — expérience en production dans la construction sur des modèles de langage, incluant la conception de prompts, les approches augmentées par la récupération, et la gestion élégante des scénarios sans résultat ou de compromis
- Expérience en service à faible latence — vous avez construit et optimisé des systèmes de service de modèles en temps réel sous charge de production, et non simplement entraîné des modèles dans un notebook
- Compétences d'évaluation spécialisées pour la qualité de la recherche et du classement, distinctes de l'expérimentation de croissance générale — métriques de classement hors ligne, expériences d'entrelacement, et capacité à juger si un changement de classement est réellement meilleur plutôt que simplement différent
- Expérience directe et pratique de la construction avec des modèles de fondation et des LLMs en tant que matériau d'ingénierie — conception de prompts, approches augmentées par la récupération, et surtout, évaluation et test sous contrainte des sorties de modèles plutôt que de leur faire confiance par défaut
- Expérience dans la conception pour une défaillance élégante dans les systèmes probabilistes — savoir quand un modèle se trompe avec assurance et construire le produit autour de cette réalité
- Aisance à utiliser des agents de codage IA pour construire l'infrastructure et les pipelines ML, associés à une discipline rigoureuse d'évaluation et de test
Ce qui serait un plus
- Fondamentaux de la vision par ordinateur, spécifiquement les embeddings d'images — expérience dans la construction de pipelines image-vers-attribut ou image-vers-correspondance-produit
- Expérience en conception de systèmes multi-locataires et configurables — construire des systèmes qui se comportent différemment selon le locataire sans dupliquer la base de code
- Expérience dans la construction de produits de recherche conversationnels ou de type assistant
- Expérience au sein d'une équipe de recherche, de classement ou de recommandation d'une place de marché ou d'une entreprise de e-commerce
Nos avantages actuels
- 🏡 Horaires de travail flexibles et culture axée sur le télétravail
- 📈 Réelles opportunités de croissance et d'apprentissage
- 🌴 Allocation de congés illimitée
- 🚀 La chance de nous rejoindre pendant une phase d'expansion exponentielle
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil