Estados Unidos
B&A
Nivoda
Engenheiro Sênior de IA/ML
Estados Unidos
Boston, Massachusetts, United States
TypeScriptNode.jsPostgreSQLAWSKubernetesGo
Tradução automática. Consulte o original.
Tech Stack
Localização: EUA - NYC, Boston
Salário: $200,000 - $280,000
Busca: OpenSearch, alimentado via CDC a partir do PostgreSQL mais trabalhos de ingestão Spark/EMR/Glue. Nenhum banco de dados vetorial em produção — a recuperação baseada em embeddings, o modelo de classificação e a busca por embedding de imagem são construções genuinamente novas para quem assumir a função de Discovery.
Core DB / warehouse: PostgreSQL (OLTP) → Snowflake (modelado em dbt, camadas medallion raw/curated/presentation)
Backend: TypeScript/Node.js, gateway de API GraphQL, Nx monorepo + PNPM
Auth: Keycloak · SSO: Okta
CI/CD: Jenkins (“Nivoda Build”) + GitOps para deploys
Cloud: AWS (EMR, Glue, DMS, deploys baseados em Kubernetes)
Observabilidade: Grafana para logs/traces
❤️ Igualdade de Oportunidades
A Nivoda é um empregador que oferece igualdade de oportunidades. Estamos comprometidos em construir uma equipe diversa e inclusiva, e recebemos candidaturas de pessoas de todas as origens, independentemente de raça, gênero, idade, religião, orientação sexual, deficiência ou qualquer outra característica protegida por lei. Mesmo que pareça que você não atende a 100% dos nossos requisitos obrigatórios, não deixe que isso o impeça de se candidatar — ainda adoraríamos ouvir você.
👋 Não é a vaga certa?
Junte-se ao Banco de Talentos da Nivoda e entraremos em contato quando surgir algo que seja mais adequado.
💎 Sobre a Nivoda
A Nivoda é o sistema operacional para a indústria global de joias. Conectamos fornecedores de diamantes e pedras preciosas diretamente a varejistas de joias em mais de 70 países, substituindo uma forma de negociação lenta, offline e restrita a relacionamentos por um marketplace digital único. Já impulsionamos mais de $300M em transações anuais, dentro de uma indústria que vale mais de $350B globalmente — e ainda estamos no início. O setor de joias é uma das últimas grandes indústrias globais a se digitalizar, e nós somos aqueles que estão construindo os trilhos sobre os quais ela irá operar.
🤔 Nossa Missão
A negociação de diamantes e pedras preciosas operou por décadas em redes fragmentadas, processos manuais e relacionamentos baseados em quem você conhece — o que exclui empresas menores e mais novas, e deixa até os maiores players perdendo tempo e margem devido à ineficiência. Começamos a Nivoda para corrigir isso: para dar a qualquer empresa de joias, onde quer que esteja e independentemente do seu tamanho, o mesmo acesso, transparência de preços e facilidade de negociação que um gigante da indústria. Nossa missão é tornar a compra e venda de diamantes e pedras preciosas radicalmente mais simples, em todo o mundo.
⭐️ O Discovery Pod
Você faria parte do Discovery Pod 🔍 — a equipe que decide como centenas de milhares de diamantes e pedras preciosas são realmente encontrados. Isso significa classificação, recomendações e entrada de busca: desde a experiência principal de busca e filtragem, até a Busca Contextual e um assistente conversacional planejado, passando pela busca por upload de imagem que permite ao comprador encontrar uma correspondência a partir de uma foto. O mesmo mecanismo de classificação e recomendação que você construirá deve atender tanto ao marketplace da Nivoda quanto às muitas vitrines de marca própria que os joalheiros operam através de nossos produtos SAAS. Somos uma equipe pequena, com alto senso de propriedade, e este pod está construindo o próprio produto impulsionado por IA, não apenas usando ferramentas de IA para ir mais rápido.
Sobre a Vaga
Estamos contratando um Engenheiro Sênior de IA/ML para o Discovery Pod para ajudar a construir e operar os sistemas de classificação, recomendação e busca nos quais os compradores confiam para encontrar a pedra ou peça certa em segundos. Este é um trabalho real de recuperação de informações e ML aplicado em infraestrutura de produção — sistemas de busca, recuperação baseada em embeddings, learning-to-rank, busca contextual e conversacional impulsionada por LLM, embeddings de imagem para busca baseada em fotos — não apenas configurar um widget de busca hospedado ou chamar uma API de modelo e seguir em frente. Você será responsável pelos modelos de ponta a ponta, desde recursos e treinamento até avaliação, implantação e monitoramento, e espera-se que você entenda como esses sistemas probabilísticos se comportam e falham, porque esse entendimento é o trabalho, não uma habilidade adjacente.
⭐️ Nossa cultura e o que oferecemos
Somos uma equipe colaborativa e de alto crescimento que acredita no empoderamento em vez da hierarquia. Você terá propriedade real desde o primeiro dia, a chance de trabalhar em problemas que a maioria das empresas nem sabe que tem ainda, e uma cultura que leva o aprendizado e o crescimento a sério — porque estamos escalando rápido e precisamos que você cresça conosco.
O que você faria?
Mecanismo de Busca Principal
- Construir e operar infraestrutura de busca real — Elasticsearch/OpenSearch, Vespa ou bancos de dados de busca vetorial como pgvector, Pinecone ou Weaviate — para impulsionar a classificação e a busca multimodal em todo o marketplace da Nivoda
- Projetar sistemas de classificação e recomendação multilocatários e configuráveis que atendam tanto ao marketplace da Nivoda quanto a muitas vitrines de joalheiros com marca própria através de Feeds, sem precisar criar um fork da base de código
IA Multimodal
- Construir e melhorar a Busca Contextual e nosso assistente conversacional planejado, usando design de prompts e abordagens de recuperação aumentada (RAG), com cenários de zero resultado e trade-offs tratados com elegância, em vez de serem respondidos com uma resposta errada confiante
- Construir pipelines de imagem-para-atributo e imagem-para-correspondência-de-produto usando embeddings de imagem para nosso trabalho de busca por upload de imagem
- Construir o produto em torno da realidade de que sistemas probabilísticos podem estar confiantemente errados — projetando caminhos de recuperação e etapas de confirmação antes de ações de alto risco, como gerar uma cotação de fabricação a partir de uma imagem interpretada
Experimentação e Qualidade
- Definir e executar avaliações específicas de busca e classificação — métricas de classificação offline, experimentos de interleaving — para saber se uma mudança na classificação é realmente melhor, e não apenas diferente
- Avaliar e testar sob estresse a saída de modelos de fundação e LLM diretamente como parte do processo de engenharia, em vez de confiar nela por padrão
ML em Produção
- Ser responsável pelo ciclo de vida completo dos modelos de classificação e recomendação — recursos, treinamento, avaliação, implantação e monitoramento — usando técnicas de learning-to-rank, recuperação baseada em embeddings e filtragem colaborativa
- Projetar e otimizar sistemas de servir modelos em tempo real e de baixa latência que mantêm a busca instantânea sob carga de produção
- Usar agentes de codificação de IA para construir infraestrutura e pipelines de ML, combinados com rigorosos mecanismos de avaliação que detectam bugs de classificação e recuperação que um sistema pode esconder enquanto parece estar funcionando
O que precisamos de você?
- Anos de experiência: 5-10 anos
- Experiência em infraestrutura de recuperação de informações — construindo ou operando sistemas de busca reais (Elasticsearch/OpenSearch, Vespa ou bancos de dados de busca vetorial como pgvector, Pinecone ou Weaviate)
- ML aplicado para classificação e recomendações, de ponta a ponta — learning-to-rank, recuperação baseada em embeddings, filtragem colaborativa — com conforto em ser responsável por recursos, treinamento, avaliação, implantação e monitoramento, não apenas chamando uma API de modelo
- Experiência em NLP e aplicação de LLM — experiência em produção construindo sobre modelos de linguagem, incluindo design de prompts, abordagens de recuperação aumentada e tratamento de cenários de zero resultado e trade-offs com elegância
- Experiência em servir modelos de baixa latência — você construiu e otimizou sistemas de servir modelos em tempo real sob carga de produção, não apenas treinou modelos em um notebook
- Habilidades especializadas de avaliação para qualidade de busca e classificação, distintas da experimentação de crescimento geral — métricas de classificação offline, experimentos de interleaving e julgamento se uma mudança de classificação é realmente melhor versus apenas diferente
- Experiência prática e direta construindo com modelos de fundação e LLMs como material de engenharia — design de prompts, abordagens de recuperação aumentada e, crucialmente, avaliar e testar sob estresse a saída do modelo em vez de confiar nela por padrão
- Experiência em projetar para falhas elegantes em sistemas probabilísticos — saber quando um modelo está confiantemente errado e construir o produto em torno dessa realidade
- Conforto em usar agentes de codificação de IA para construir infraestrutura e pipelines de ML, combinados com forte disciplina de avaliação e teste
Diferenciais
- Fundamentos de visão computacional, especificamente embeddings de imagem — experiência na construção de pipelines de imagem-para-atributo ou imagem-para-correspondência-de-produto
- Experiência em design de sistemas multilocatários e configuráveis — construir sistemas que se comportam de maneira diferente por locatário sem precisar criar um fork da base de código
- Experiência na construção de produtos de busca conversacional ou estilo assistente
- Experiência em uma equipe de busca, classificação ou recomendações de um marketplace ou empresa de e-commerce
Nossos benefícios atuais
- 🏡 Horários de trabalho flexíveis e uma cultura remote-first
- 📈 Oportunidades reais de crescimento e aprendizado
- 🌴 Licença ilimitada para férias
- 🚀 A chance de ingressar durante uma fase de expansão exponencial
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