Staff ML Systems Engineer - Media Intelligence — Tether Operations

Descrizione completa

Unisciti a Tether e Forma il futuro della finanza digitale A Tether, non stiamo solo costruendo prodotti, siamo pionieri di una rivoluzione finanziaria globale. Le nostre soluzioni all'avanguardia consentono alle aziende, dagli scambi e dai portafogli ai processori di pagamento e agli sportelli bancomat, di integrare senza soluzione di continuità i gettoni di riserva in blockchains. Imbragando la potenza della tecnologia blockchain, Tether consente di memorizzare, inviare e ricevere i gettoni digitali istantaneamente, in modo sicuro e globale, il tutto ad una frazione del costo. La trasparenza è la base di tutto ciò che facciamo, garantendo fiducia in ogni transazione.

Innovare con Tether Tether Finance: La nostra innovativa suite di prodotti presenta il più affidabile stablecoin al mondo, USDT , basato su centinaia di milioni di persone in tutto il mondo, insieme ai servizi di tokenizzazione degli asset digitali pionieristici.

Ma questo è solo l’inizio

Tether Power: Guidare la crescita sostenibile, le nostre soluzioni energetiche ottimizzano l'eccesso di potenza per l'estrazione mineraria di Bitcoin utilizzando pratiche eco-friendly nelle strutture all'avanguardia e geo-diverse. Tether Data: Riduciamo i costi delle infrastrutture e miglioriamo le comunicazioni globali con soluzioni all'avanguardia come KEET , la nostra app di punta che ridefinisce la condivisione dei dati sicura e privata. Tether Education: Democratizzazione dell'accesso all'apprendimento digitale di alto livello, forniamo agli individui di prosperare nelle economie digitali e di gig, guidando la crescita globale e l'opportunità. Tether Evolution: All'incrocio tra tecnologia e potenziale umano, stiamo spingendo i confini di ciò che è possibile, realizzando un futuro in cui innovazione e capacità umane si fondono in modi potenti e senza precedenti.

Perché unirsi a noi? Il nostro team è una potenza di talento globale, lavorando da remoto da ogni angolo del mondo. Se siete appassionati di fare un segno nello spazio fintech, questa è la vostra opportunità di collaborare con alcune delle menti più brillanti, spingendo i confini e stabilendo nuovi standard. Siamo cresciuti veloci, siamo stati magra, e assicurato il nostro posto come leader nel settore. Se avete eccellenti capacità di comunicazione inglese e siete pronti a contribuire alla piattaforma più innovativa del pianeta, Tether è il posto per voi. Sei pronto a far parte del futuro?

Riguardo al lavoro Stiamo costruendo una piattaforma di media intelligence altamente scalabile che elabora, analizza e bandiere contenuti potenzialmente problematici su grandi volumi di video, audio, immagine e testo. La piattaforma alimenta i flussi di lavoro di sicurezza dei contenuti per i prodotti Tether Data, tra cui Keet, e deve operare in modo affidabile in scala tra lingue, formati e tipi di contenuti diversi. In qualità di Staff ML Systems Engineer, possederai il nucleo di questa piattaforma - dalle tubazioni di elaborazione ingestione e asincrona attraverso l'integrazione del modello AI/ML, l'ottimizzazione delle inferenze, la ricerca vettoriale e la generazione di report strutturati. Questo non è un ruolo di ricerca e non è un ruolo di ingegneria rapida. Si tratta di un ruolo di ingegneria di produzione in cui i modelli sono un componente di un sistema più ampio che si è responsabili di rendere veloce, affidabile, conveniente e manutenbile. Sarete il proprietario tecnico senior del backend dell'intelligence dei media. Ciò significa che si definisce l'architettura, fare le chiamate di scambio duro, mentore altri ingegneri, e portare la responsabilità per il sistema in produzione. Potrai lavorare a stretto contatto con la leadership ingegneristica e collaborare con ricercatori ML, ingegneri di dati e team di prodotto per fornire una piattaforma che fornisce risultati azionabili e timestamp ai recensori umani in scala.

responsabilità

Backend Architettura e Proprietà del sistema

• Progettare e gestire servizi di backend scalabili per l'ingestione dei media, la lavorazione e la generazione dei report - puliti, ben testati e costruiti per scalare orizzontale dal primo giorno
• Contratti propri API, modelli di dati e modelli di storage per attività multimediali, processi di elaborazione, uscite di modelli, embeddings e percorsi di audit
• Costruire canali di elaborazione asincrona ad alto rendimento per video, audio, immagine e testo utilizzando code e modelli basati su eventi (SQS, Kafka, Pub/Sub, o equivalenti)
• Esecuzione asincrona affidabile con retries, idempotency, file di letter morti, gestione della backpressure e degradazione aggraziata

Integrazione AI/ML & Model Workflows

• Integrare e ottimizzare i flussi di lavoro di inferenza AI/ML all'interno del backend - embedding pipelines, modelli multimodali, OCR, discorso-to-text, analisi della scena e classificatori visivi
• Infrastruttura di manutenzione del proprio modello: strategie di batching, tuning di concurrency, comportamento di riscaldamento, gestione timeout, autoscaling e utilizzo GPU
• Applicare tecniche di ottimizzazione del modello pratico - quantizzazione, distillazione, batching, caching, routing a modelli più piccoli se del caso - per colpire latenza, throughput e obiettivi di costo su hardware constrained
• Benchmark e valutare i modelli candidati utilizzando metriche rilevanti per il dominio, non solo classifiche standard. Impostare le soglie operative utilizzando metodi di calibrazione data-driven e documentare il razionale

Ottimizzazione del modello e delle prestazioni

• Ottimizzare i flussi di lavoro di inferenza AI/ML per la latenza, il throughput, l'affidabilità e il costo in entrambi i percorsi di elaborazione in tempo reale e batch.
• Lavorare con sistemi di manutenzione del modello come vLLM, Triton, TGI, SageMaker, Vertex AI, o servizi di inferenza personalizzati per migliorare il batching, concurrency, comportamento di riscaldamento, gestione timeout, autoscaling e utilizzo GPU.
• Valutare e applicare tecniche di ottimizzazione dei modelli pratici come quantizzazione, distillazione dei modelli, batching, caching, ottimizzazione rapida e routing a modelli più piccoli o più economici, se del caso.
• Progettazione e manutenzione di sistemi di ricerca e indicizzazione vettoriale utilizzando tecnologie come Pinecone, Weaviate, Qdrant, Elastic Vectors, FAISS, pgvector, o strumenti simili.
• Costruire flussi di lavoro di recupero che supportano la ricerca semantica, la somiglianza corrispondente, il rilevamento duplicato, la scoperta dei media e la ricerca dei metadati strutturati.
• Monitorare le prestazioni del modello e del sistema in produzione, tra cui latenza API, la profondità della coda, il tempo di elaborazione, i tassi di errore del modello, l'utilizzo della GPU, le distribuzioni della fiducia, i segnali della deriva e il costo per prodotto elaborato. Ricerca, Indicizzazione e recupero dati

Infrastrutture, Affidabilità e Osservabilità

• Distribuire e gestire i sistemi su piattaforme cloud AWS, GCP, Azure o equivalenti, inclusi sistemi di calcolo, storage, networking, code, infrastruttura di monitoraggio e monitoraggio.
• Assicurare l'affidabilità del sistema attraverso logging, metriche, tracciamento, allerta, dashboard, runbook operativi e best practice di risposta agli incidenti.

Collaborazione e leadership ingegneristica

• Mentor junior e mid-level ingegneri attraverso le recensioni dei codici, le discussioni di progettazione e l'accoppiamento hands-on
• Guidare le decisioni architettoniche e aumentare la qualità dell'ingegneria attraverso il backend, l'infrastruttura e il lavoro di integrazione ML
• Traduci i requisiti ambigui del prodotto in chiari materiali tecnici con criteri di successo definiti

Queste tre capacità non sono negoziabili. Si prega di non applicare se non si può parlare a tutti e tre con esempi specifici e numeri reali.

• Ottimizzazione del modello per hardware limitato. Hai implementato un modello ML (qualsiasi modalità) su un server di inferenza limitato alla memoria e migliorato le sue prestazioni in produzione. Hai esperienza pratica con almeno due di: quantizzazione (GPTQ, AWQ, GGUF, o bitsandbytes), messa a punto di strategia di batching, ottimizzazione KV-cache, distillazione della conoscenza, o configurazione del framework di servizio (vLLM, Triton, TGI, o equivalente). È possibile citare specifici prima/dopo latenza, il throughput, o numeri di memoria da quel lavoro.
• Proprietà delle tubazioni asinc. Hai posseduto un processo multimediale asincastro o un processo di inferenza ML fine a fine - tra cui la progettazione della coda, la gestione dei guasti dei lavoratori, idempotency, la logica di riprovazione, le code di letter morti, e uno strato di osservabilità. Capisci cosa succede sotto la pressione e cosa si rompe prima.
• Valutazione e rigore di calibrazione. Hai impostato le soglie operative del modello utilizzando metodi data-driven - curve di precisione/recall, metriche ponderate, o benchmark specifici del dominio - non intuizione o prova ed errore. È possibile spiegare i tradeoff falsi positivi e falsi negativi di un classificatore in lingua normale a uno stakeholder non tecnico.

Requisiti aggiuntivi

• 8+ anni di esperienza di backend engineering building sistemi distribuiti scalabili, datadotti o servizi di elaborazione media
• 4+ anni di esperienza di integrazione ML pratica nella produzione (modello API, embedding pipelines, OCR, discorso-testo, analisi video/immagine, o inferenza multimodale)
• Forte competenza Python; profonda comprensione del design RESTful API e dei modelli di elaborazione asincrona
• Esperienza con database SQL e NoSQL, progettazione degli schemi e modellazione dei dati
• Esperienza di distribuzione e sistemi operativi su AWS, GCP o Azure

Preferito

• Esperienza con canali di elaborazione video/immagine
• Familiarità con i trasformatori HuggingFace, PyTorch e l'ecosistema modello open source
• Lavoro prioritario sulla moderazione dei contenuti, sulla fiducia e sulla sicurezza o sui sistemi di intelligenza dei media
• Esperienza con modelli multilingue o condutture di contenuti multilingue
• Contributi a progetti ML o infrastruttura open source

Progettazione e architettura del sistema

• Preferita comprensione dei sistemi distribuiti, modelli di scaling e ingegneria delle prestazioni
• Capacità di progettare architetture modulari, manutenbili ed efficienti
• Esperienza con la versione API, la modularizzazione e la progettazione di flussi di lavoro lunghi
• Comprensione dei colli di bottiglia delle prestazioni e dei modelli backend a bassa latenza

Informazioni importanti per i candidati Le truffe di reclutamento sono diventate sempre più comuni. Per proteggersi, si prega di tenere a mente il seguente quando si applica per i ruoli:

• Applicare solo attraverso i nostri canali ufficiali. Non utilizziamo piattaforme o agenzie di terze parti per il reclutamento, a meno che non sia chiaro. Tutti i ruoli aperti sono elencati nella nostra pagina di carriera ufficiale: https://tether.recruitee.com/
• Verificare l’identità del reclutatore. Tutti i nostri reclutatori hanno verificato i profili LinkedIn. Se non sei sicuro, puoi confermare la loro identità controllando il loro profilo o contattandoci attraverso il nostro sito web.
• Siate cauti di metodi di comunicazione insoliti. Non conduciamo interviste su WhatsApp, Telegram o SMS. Tutta la comunicazione avviene tramite e-mail e piattaforme ufficiali.
• Doppio check indirizzi e-mail. Tutte le comunicazioni da noi verranno da e-mail che terminano in @ tether.to o @ tether.io
• Non chiederemo mai il pagamento o i dettagli finanziari. Se qualcuno chiede informazioni finanziarie personali o il pagamento in qualsiasi momento durante il processo di assunzione, è una truffa. Si prega di segnalarlo immediatamente.

Quando in dubbio, non esitate a raggiungere il nostro sito ufficiale.