Estados Unidos
Redwood Materials
AiDASH, Inc.
Staff MLOps Engineer
Estados Unidos
Palo Alto, California, United States
AWSDockerKubernetesGo
Tradução automática. Consulte o original.
Sobre a AiDASH
A AiDASH está liderando o movimento PreventionFirst™ para concessionárias de energia e transformando a resiliência da rede por meio de sua plataforma pioneira que unifica inteligência de vegetação, ativos, tempestades e incêndios florestais. Alimentada pela Inspeção e Monitoramento SatelliteFirst™, a AiDASH oferece visibilidade abrangente em toda a rede na frequência e orçamento corretos, usando a modalidade de dados certa. Mais de 200 clientes confiam na AiDASH para manter as luzes acesas, gastar onde importa e defender cada decisão, garantindo o amanhã em cada quilômetro da rede. Saiba mais em aidash.com.
O movimento PreventionFirst está crescendo, assim como o reconhecimento por trás dele. Em 2026, a Forbes nomeou a AiDASH uma das Melhores Startups Empregadoras da América pelo 4º ano consecutivo, e a TIME incluiu a AiDASH entre as Principais Empresas de Tecnologia Verde da América pelo 3º ano consecutivo. A Deloitte Technology Fast 500™ classificou a AiDASH em 12º lugar na Área da Baía de São Francisco e em 59º lugar geral em sua seleção das 500 principais para 2024.
Junte-se a nós para Garantir o Amanhã Juntos!
A Função
Nossos produtos baseados em satélite e IA estão mudando a forma como as concessionárias veem e protegem a rede, e estamos nos preparando para um crescimento agressivo de clientes nos próximos dois anos. Esse crescimento depende de IA em escala. Estamos construindo uma nova equipe de Pipeline de IA de Inferência de Dados para entregá-la, e estamos procurando um(a) Engenheiro(a) Staff MLOps para arquitetar sua espinha dorsal operacional desde a primeira linha de código de infraestrutura.
Como o(a) primeiro(a) engenheiro(a) desta equipe, você começará com uma tela em branco e uma chance rara de construir algo que dure. Você moldará como nossos modelos são implantados, como o pipeline escala e se recupera sob carga, e quanto custará para executá-lo. Igualmente importante, você ajudará a definir a cultura, os padrões de engenharia e as formas de trabalhar que cada futuro colega de equipe herdará. Esta é uma função prática e de alto impacto como contribuidor(a) individual: suas decisões definirão a base sobre a qual toda a equipe construirá, e você será a autoridade técnica de referência em MLOps à medida que a equipe cresce. Você se reportará ao Diretor de Engenharia da equipe de Pipeline de IA de Inferência de Dados.
Nossa aquisição pendente pela Schneider Electric acelerará nossa missão à medida que levamos nossa oferta combinada à nossa base de clientes conjunta, e a infraestrutura que você construir impulsionará resultados em uma escala ainda maior.
O que o sucesso parece nos seus primeiros 6 meses
Localização: Esta é uma função híbrida baseada em Palo Alto, CA, exigindo 2 dias por semana no escritório.
- A implantação de modelos é um processo repetível e automatizado entre os modelos.
- A infraestrutura de inferência provou que escala para cima e para baixo suavemente sob carga real.
- O custo por inferência é medido, visível e em tendência de queda à medida que o volume cresce.
- Um plano testado de failover e recuperação de desastres está em vigor para o pipeline de inferência, com pelo menos um exercício de injeção de falhas concluído.
- Ciência de Dados pode enviar novos modelos para produção de forma rápida e independente.
Temos orgulho de ser um empregador que oferece igualdade de oportunidades. Estamos comprometidos em abraçar a diversidade e a inclusão em nossas práticas de contratação, e promovemos um ambiente de trabalho onde todos, de qualquer raça, cor, religião, sexo, orientação sexual, identidade de gênero ou origem nacional, possam fazer seu melhor trabalho.
Oferecemos uma faixa salarial anual competitiva de US$230,000 a US$270,000 para esta posição em tempo integral, que inclui um salário base e bônus com base no desempenho. Essa faixa reflete a faixa salarial anual esperada (base + bônus) para novos contratados. Esforçamo-nos para garantir que nossos pacotes de remuneração sejam equitativos e alinhados com os padrões da indústria. Seu recrutador poderá compartilhar mais sobre a remuneração durante o processo de contratação.
Estamos comprometidos em fornecer uma experiência de entrevista inclusiva e acessível para todos os candidatos. Por favor, informe-nos se você precisar de alguma acomodação durante o processo de entrevista, e faremos todos os esforços para atender às suas necessidades.
Leia nossa Política de Privacidade aqui: aidash.com/policy/privacy-policy/
Como você causará impacto
Implantação
- Ser o(a) responsável pelo pipeline de implantação de modelos de ponta a ponta: empacotamento, versionamento, rollout e rollback para modelos de ML que transitam do treinamento para a produção.
- Construir e manter a infraestrutura de implantação no SageMaker (endpoints, batch transform, hospedagem multi-model/multi-container) e avaliar onde alternativas como serving auto-hospedado ou outras opções gerenciadas são uma opção melhor.
- Definir o padrão CI/CD para releases de modelos, incluindo testes automatizados, rollout escalonado e implantações canary/shadow.
Escalabilidade e elasticidade
- Projetar infraestrutura de inferência que escale perfeitamente com a demanda em tempo real e em lote.
- Dimensionar corretamente a computação (CPU/GPU/Inferentia ou equivalente) para cada modelo e carga de trabalho para equilibrar latência e custo.
- Realizar testes de carga no pipeline e construir planos de capacidade que se antecipem aos marcos de crescimento do cliente.
Custo
- Ser o(a) responsável pela métrica de custo por inferência: instrumentá-la, reportá-la e reduzi-la à medida que o volume escala.
- Incorporar a consciência de custo nas decisões de arquitetura, incluindo políticas de autoescalonamento, mix de spot/on-demand e trade-offs de tamanho/quantização do modelo.
Failover e resiliência
- Projetar para degradação graciosa e failover entre regiões e zonas de disponibilidade para serving de inferência.
- Definir e testar procedimentos de recuperação de desastres, e realizar exercícios regulares de injeção de falhas e caos.
- Construir monitoramento, alertas e runbooks de plantão para a infraestrutura de serving de modelos, cobrindo drift, SLOs de latência, taxas de erro e saúde da infraestrutura.
Liderança inter-equipes
- Colaborar com Ciência de Dados para levar novos modelos à produção em uma plataforma construída para suportá-los.
- Colaborar com a equipe de Aplicações Web onde os resultados de inferência alimentam recursos voltados para o cliente, mantendo alinhadas as expectativas de latência e confiabilidade.
- Atuar como autoridade técnica em práticas de MLOps à medida que a equipe de Pipeline de IA de Inferência de Dados cresce.
O que estamos procurando
Qualificações Mínimas
- 7-10+ anos em engenharia de software/ML, incluindo 3+ anos focados especificamente em MLOps ou infraestrutura de ML.
- Experiência prática em produção com AWS SageMaker (ou uma plataforma de ML gerenciada equivalente) para implantação e serving de modelos.
- Um histórico comprovado de projeto de sistemas para elasticidade/autoescalonamento, otimização de custos e failover/resiliência em escala de produção.
- Forte expertise em conteinerização e orquestração (Docker, Kubernetes) e em CI/CD construído para cargas de trabalho de ML, incluindo versionamento de modelos e testes e rollout automatizados.
- Experiência em instrumentar e ser o(a) responsável por métricas de custo e desempenho da infraestrutura pela qual você é responsável.
- A capacidade de definir direção técnica como um(a) IC de nível Staff, construindo adesão entre Ciência de Dados e outras equipes de engenharia.
- Mentalidade de alta responsabilidade, baixo ego e espírito colaborativo, com paixão por construir plataformas que ajudam outros a entregar mais rápido.
Qualificações Preferenciais
- Experiência com pipelines de dados de imagem, vídeo ou sensores 3D e nuvem de pontos em larga escala, ou outros dados não estruturados de alto volume em escala.
- Experiência com dados multimodais (imagem, sensor/séries temporais, geoespacial) além de dados puramente textuais ou tabulares.
- Experiência em construir práticas de MLOps do zero em uma nova equipe.
- Familiaridade com ferramentas de monitoramento de modelos e detecção de drift, e técnicas de otimização de custos de GPU (quantização, batching, Inferentia/Trainium ou equivalente).
- Experiência em um domínio regulamentado ou empresarial B2B como utilities, energia, infraestrutura, saúde ou finanças.
- Certificações relevantes de AWS/Kubernetes ou contribuições para ferramentas de MLOps open-source.
O que você vai amar
- Cobertura Abrangente Médica, Odontológica e de Visão: 100% de cobertura para funcionários e 80% para seus cônjuges e filhos.
- Conta de Reembolso de Saúde (HRA): 100% financiada pela AiDASH para cobrir franquias médicas.
- Plano 401(k): Comece a contribuir após dois meses de emprego para se preparar para o seu futuro. Atualmente, nenhum match da empresa é oferecido.
- Licença Parental: Licença parental de apoio com 16 semanas para cuidadores primários e 4 semanas para cuidadores secundários.
- Política Generosa de Férias: Acumule 20 dias de férias por ano, além de um feriado flexível adicional para celebrar o que for mais importante para você.
- Recesso de Inverno: De 25 de dezembro a 1 de janeiro, damos a todos um tempo livre para recarregar e aproveitar o tempo com a família e amigos!
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil