About Us :
We believe that making the best decisions means looking at all the facts – a near-impossible task in our era of information overload. To fix this, we are building the next generation of machine learning software. Powered by generative AI, our algorithms analyze key information sources and provide comprehensive, factual answers for even your most complex queries.
We believe that the transformative impact of generative AI will be only realized by those willing to take on the world’s biggest information challenges. To make this future come true, we deploy our longstanding expertise in reinforcement learning and natural language processing.
We are scientists. Builders. Entrepreneurs. We spearheaded many of AI’s most impactful applications. We led teams at Google, DeepMind, and EY Parthenon. We now bridge cutting-edge AI research and the biopharma industry.
About the role :
This team member will work with us to formulate engineering timelines, organize work, make workflow decisions (e.g. coding style), identify technical challenges, communicate across the organization, and help lead the day to day activities of the team.
The ideal candidate has worked at the intersection of machine learning and engineering, understands the key technical challenges in working with ML systems, and has led teams of engineers to deliver successful software solutions.
We are looking for someone who can be hands-on on the short term and establish themselves as both an engineering expert and leader, and then progressively take on a larger amount of responsibility.
What you’ll do :
- Design and Architect ML Solutions : Collaborate with data scientists, engineers, and stakeholders to architect end-to-end machine learning infrastructure, including data ingestion, preprocessing, model development, deployment, and monitoring.
- Technology Assessment and Selection : Evaluate and select appropriate ML frameworks, libraries, and tools based on project requirements, scalability, and performance.
- Scalable and Reliable Infrastructure : Design highly scalable, distributed, and fault-tolerant model training and deployment infrastructure to handle large volumes of data and real-time inference.
- Performance Optimization : Continuously surface opportunities to optimize the performance of machine learning models, data pipelines, and infrastructure to achieve maximum efficiency and scalability.
- Mentoring and Knowledge Sharing : Act as a mentor to the engineering team, provide guidance, and promote a culture of knowledge sharing and continuous learning within the team.
- Collaboration and Leadership : Collaborate with cross-functional teams and provide technical leadership. Collaborate with data scientists, engineering teams, and stakeholders to understand business requirements, provide guidance on the applicability of generative AI.
- Ensure Data Quality and Governance : Establish processes and guidelines for data quality, validation, and governance to ensure the reliability and integrity of data used for training and inference.
- Security and Privacy : Implement robust security and privacy measures to protect sensitive data and ensure compliance with relevant regulations.
What you bring :
Bachelor's or master's degree in computer science, engineering, or a related field. A Ph.D. in a relevant field is preferred.Extensive Architectural Experience : 10+ years of experience in machine learning, data engineering, or related roles, with a focus on architecting and delivering machine learning solutions at scale.Experience with cloud-based platforms (e.g., AWS, Google Cloud Platform, Azure) is required.Architecture and Design Skills : Strong architectural skills with experience in designing and implementing scalable, distributed, and fault-tolerant systems. Familiarity with microservices architecture, containerization (e.g., Docker), and orchestration frameworks (e.g., Kubernetes) is a plus.Programming and Tooling : Expertise in programming languages like Python, Java, or Scala, and knowledge of ML frameworks and libraries (e.g., TensorFlow, PyTorch, scikit-learn).Data Engineering and Preprocessing : Strong understanding of data engineering principles, data preprocessing techniques, data governance, and data integration.Strong Communication and Leadership : Excellent communication skills with the ability to communicate complex technical concepts to both technical and non-technical stakeholders. Proven leadership abilities with experience in guiding and mentoring engineering teams. Strong team player with the ability to collaborate effectively in cross-functional teams.Problem-Solving and Analytical Skills : Strong analytical thinking, problem-solving, and troubleshooting skills to address complex architectural challenges.Adaptability and Innovation : Ability to adapt to evolving technologies and business needs. Strong drive for innovation and continuous learning.Software Engineering Skills : Familiarity with software engineering best practices, version control systems, and agile development methodologies.Experience developing machine learning applications and deploying in a business setting, especially generative AI applications, is highly desirable.All qualified applicants will receive consideration for employment without regard to race, color, religion, sex, sexual orientation, gender identity, or national origin.
À propos de nous
La meilleure prise de décision demande une connaissance de tous les faits – une tâche quasi-impossible vu la quantité d’information maintenant disponible en format digital. Pour répondre à cette tâche, nous appliquons l’IA générative à la conception d’une gamme de logiciels complètement nouvelle. Nos algorithmes analysent toutes les sources d’information nécessaires pour répondre aux questions les plus complexes, et trouvent à ces questions des réponses complètes et factuelles.
Nous croyons fermement que l’impact transformateur de l’IA générative ne peut être réalisée que par ceux qui sont prêts à relever les plus grands défis informationnels de notre époque. À ce projet, nous apportons plus de vingt ans d’expertise en apprentissage par renforcement (reinforcement learning) et traitement du langage naturel (NLP).
Nous sommes scientifiques, bâtisseurs, et entrepreneurs. En tant que chefs d’équipes chez Google, DeepMind, et EY Parthenon, nous avons mené à succès plusieurs des grandes applications de l’IA. Nous apportons maintenant l’IA générative à la biopharma.
À propos du poste
Vous collaborerez à organiser le travail de notre équipe apprentissage machine (ML) au jour le jour, identifierez nos défis techniques et proposerez des solutions concrètes, et améliorerez nos processus de développement logiciel.
En tant que candidat.e idéal.e, vous avez déjà travaillé à l'intersection de l'apprentissage automatique et du développement logiciel, comprenez les principaux défis techniques liés au travail avec des systèmes de ML, et avez précédemment dirigé des équipes de développeurs logiciels.
Nous cherchons quelqu'un qui fera partie pleine de notre équipe dès le premier jour et s'établira à la fois comme expert.e en développement logiciel et comme chef d'équipe, prenant progressivement plus de responsabilités.
Vos responsabilités :
Concept de solutions ML : en collaboration avec notre équipe de scientifiques et développeurs logiciels, vous prendrez en charge la conception de notre infrastructure ML, incluant la gestion des données, le développement de nos modèles ML, et leur observabilité.Évaluation et sélection de technologies : Évaluer et sélectionner les cadres ML, bibliothèques et outils appropriés en fonction des exigences du projet, de la scalabilité et des performances.Infrastructure fiable : Concevoir une infrastructure d'entraînement et de déploiement de modèles hautement scalables, distribuée et tolérante aux pannes pour gérer de grands volumes de données et l'inférence en temps réel.Optimisation de la performance : Vous identifierez là où notre infrastructure ML peut être optimisée afin d'atteindre une efficacité et une capacité maximales.Mentorat et partage des connaissances : Encadrer les autres membres de l’équipe au jour le jour, fournir des conseils techniques, et promouvoir une culture de partage des connaissances et d'apprentissage continu au sein de l'équipe.Collaboration et leadership : Collaborer avec l’entièreté de la compagnie. Travailler en collaboration avec les équipes de développement produit et commerciale pour identifier les exigences commerciales et fournir des conseils sur l'applicabilité et le potentiel de l'IA générative.Assurer la qualité et la gouvernance des données : Mettre en place des processus et des directives pour la qualité, la validation et la gouvernance des données afin de garantir la fiabilité et l'intégrité des données utilisées pour l'entraînement de nos modèles ML et leur inférence.Sécurité et confidentialité : Mettre en œuvre des mesures de sécurité et de confidentialité robustes pour protéger les données sensibles et garantir la conformité avec les réglementations en vigueur.Vos compétences et expériences :
Un diplôme de 1er ou 2è cycle en informatique, génie informatique, ou champ d’études connexe. Le doctorat est un atout.10+ ans d’expérience en machine learning, data engineering, ou dans un rôle semblable, avec une emphase sur l’architecture logicielle et la conception de solutions ML à grande échelle.Une expérience pratique avec les platformes cloud telles que AWS, Google Cloud Plaftorm, et Azure est requise.Une forte aptitude démontrée dans le design et l’implémentation de systèmes distribués et fault-tolerant. Une familiarité avec l’architecture de microservices, la containerization (par ex., Docker), et les cadres d’orchestration (Kubernetes) sont des atouts.Une expertise en Python, Java, ou Scala, et une connaissance des librairies de ML telles que TensorFlow, Pytorch, ou Jax.Une connaissance approfondie des principes de data engineering, de traitement des données, et de leur sécurité.Une excellente habileté à communiquer des concepts techniques complexes tant à des équipes techniques que non-techniques. Une aptitude démontrée de leadership et une expérience à mentorer des équipes de développement logiciel et collaborer efficacement avec des équipes multidisciplinaires.Une habileté à travailler à résoudre des problèmes techniques ambigus, complexes, et qui demandent une analyse approfondie.Une capacité à s’adapter à des technologies et besoins commerciaux en constante évolution.Une connaissance du développement agile et des meilleures pratiques du développement logiciel.De l’expérience à développer et déployer des applications de machine learning dans un cadre produit, en particulier des applications d’IA générative et de langage naturel, est un atout.