Staff Machine Learning Engineer

Staff Machine Learning Engineer

Verona Full-Time 150000 - 200000 € / anno (stimato) Smart working (parziale)
SurveyMonkey

In sintesi

  • Mansioni: Sviluppa soluzioni ML/AI innovative e guida progetti di alto impatto.
  • Azienda: SurveyMonkey, leader globale nel settore delle indagini e dei sondaggi.
  • Benefit: Ambiente ibrido, opportunità di crescita e un fondo per il benessere dei dipendenti.
  • Altre informazioni: Collaborazione in un ambiente inclusivo e dinamico.
  • Perché questo lavoro: Unisciti a un team che plasma il futuro dell'AI e del machine learning.
  • Qualifiche: 10+ anni di esperienza in Machine Learning e Data Science.

La retribuzione prevista è compresa tra 150000 - 200000 € per anno.

SurveyMonkey è la piattaforma di sondaggi e moduli più popolare al mondo, costruita per le aziende e amata dagli utenti. Combiniamo potenti capacità con un design intuitivo, servendo efficacemente ogni caso d'uso, dall'esperienza del cliente all'engagement dei dipendenti, dalla ricerca di mercato ai moduli di pagamento e registrazione. Con competenze di ricerca integrate e tecnologia alimentata dall'IA, è come avere un team di esperti ricercatori a portata di mano. Affidato a milioni, dalle startup alle aziende Fortune 500, SurveyMonkey aiuta i team a raccogliere informazioni che ispirano decisioni migliori, creano esperienze amate dalle persone e guidano la crescita aziendale.

Stiamo cercando un Staff Machine Learning Engineer da inserire nel team Product Data Science, un contributore chiave alla nostra crescita in AI/ML. Come leader tecnico, entrerai a far parte di un team che costruisce sistemi NLP, ML e AI su scala enterprise che alimentano il prodotto in tutta l'organizzazione. Questo ruolo offre l'opportunità di architettare soluzioni ML/AI da zero: creando componenti riutilizzabili e impattanti, definendo architetture e modelli per compiti complessi e fungendo da esperto tecnico e mentore che plasma sia il nostro stack tecnologico che le capacità del team.

Cosa farai:

  • Servire come leader tecnico per le iniziative di prodotto ML/AI.
  • Autorizzare, approvare e guidare decisioni architettoniche.
  • Stabilire standard e framework che possano essere adottati in tutte le iniziative ML.
  • Gestire le consegne, delegare efficacemente e fare mentoring agli ingegneri di diversi team.
  • Architettare piattaforme ML scalabili e pipeline di dati di produzione, collaborando trasversalmente per integrare nuove fonti di dati.
  • Costruire e possedere soluzioni ML/AI end-to-end all'interno del prodotto, mantenendo la proprietà a lungo termine attraverso diverse fasi di distribuzione, affinamento e miglioramenti iterativi.
  • Creare implementazioni ML/AI innovative e tradizionali per l'esperienza in prodotto, collaborando con Product, Design, sviluppatori Front- e Back-End per educare i team e iterare attraverso soluzioni e design.
  • Costruire sistemi di monitoraggio e telemetria end-to-end per rilevare modalità di guasto complesse, deterioramento della precisione predittiva e modelli di utilizzo.
  • Fornire soluzioni AI personalizzate addestrando, ottimizzando e distribuendo modelli che vanno dai metodi statistici ai LLM all'avanguardia.
  • Costruire partnership produttive a tutti i livelli degli stakeholder, da non tecnici a esperti di dominio, con un approccio aperto, inclusivo ed esperto.
  • Guidare il miglioramento continuo e l'innovazione attraverso la ricerca, proponendo strategie di adozione di soluzioni esterne, identificando lacune di conoscenza all'interno del team e garantendo che le iniziative di assunzione e formazione affrontino le esigenze di capacità.

Ci piacerebbe sentire da persone con:

  • 10+ anni di esperienza in Machine Learning e Data Science, costruendo e mantenendo modelli in ambienti di produzione.
  • Forti competenze in Natural Language Processing, modellazione e analisi statistica, e metodi ML moderni.
  • Profonda comprensione non solo dei modelli, ma di cosa sta accadendo al loro interno—esperienza pratica nella costruzione di architetture innovative per soluzioni di prodotto su misura.
  • Esperienza nella gestione di dati su larga scala con familiarità in etichettatura Human-In-The-Loop, addestramento e scalabilità di dati utilizzabili, oltre a un'analisi esplorativa dei dati fondamentale.
  • Competenza provata nella creazione di valutazioni e piattaforme di valutazione per sistemi non deterministici, comprese tecniche LLM-as-Judge, segnali inferiti e meccanismi di valutazione tradizionali per convalidare le prestazioni e massimizzare l'impatto ML/AI.
  • Esperienza nello sviluppo di monitoraggio della produzione e nella creazione di feedback loop utilizzando feedback attivo, segnali passivi e comportamenti degli utenti per identificare indicatori chiave di prestazione per i percorsi e le esperienze degli utenti.
  • Esperienza nello sviluppo e distribuzione SaaS, costruendo soluzioni ML multi-scalate e dimensionate correttamente in ambienti SaaS con pratiche di ciclo di vita del codice CI/CD in ambienti e servizi AWS (Kafka, EKS, SageMaker, Athena).
  • Esperienza dimostrata nella costruzione di integrazioni di prodotto alimentate da LLM, inclusi agenti e processi autonomi, RAG e arricchimento del contesto, e metodi moderni di ingegneria dei prompt con generazione guidata e supervisione.
  • Capacità di leadership e mentoring provate come leader tecnico con la capacità di fare mentoring agli ingegneri di diversi team e gestire consegne complesse.

SurveyMonkey crede che la collaborazione in persona sia preziosa per costruire relazioni, promuovere comunità e migliorare la nostra velocità ed esecuzione nella risoluzione dei problemi e nel prendere decisioni. Potresti essere tenuto a lavorare da un ufficio SurveyMonkey per un massimo di 1 giorno ogni due settimane. Il ruolo è ibrido.

Perché SurveyMonkey? Siamo felici che tu lo abbia chiesto. In SurveyMonkey, la curiosità alimenta tutto ciò che facciamo. Siamo un'azienda globale dove persone di tutti i background possono avere un impatto, costruire connessioni significative e far crescere le proprie carriere. I nostri team lavorano in un ambiente ibrido flessibile con uffici e programmi progettati con attenzione come il CHOICE Fund per aiutare i dipendenti a prosperare nel lavoro e nella vita.

Il nostro impegno per un luogo di lavoro inclusivo: SurveyMonkey è un datore di lavoro che offre pari opportunità, impegnato a fornire un luogo di lavoro privo di molestie e discriminazioni. Celebriamo le differenze uniche dei nostri dipendenti perché è ciò che alimenta curiosità, innovazione e il successo della nostra attività. Non discriminiamo sulla base di razza, religione, colore, origine nazionale, genere, orientamento sessuale, identità o espressione di genere, età, stato civile, stato di veterano, stato di disabilità, gravidanza, stato genitoriale, informazioni genetiche, affiliazione politica o qualsiasi altro stato protetto dalle leggi o regolamenti nei luoghi in cui operiamo. Sono disponibili sistemazioni per i candidati con disabilità.

Staff Machine Learning Engineer datore di lavoro: SurveyMonkey

SurveyMonkey è un datore di lavoro eccezionale, offrendo un ambiente di lavoro ibrido che promuove la collaborazione e l'inclusione. Con opportunità di crescita professionale e un forte impegno per il benessere dei dipendenti, i membri del team possono prosperare in un contesto stimolante e innovativo. La nostra cultura aziendale valorizza la curiosità e l'impatto individuale, rendendo ogni giorno un'opportunità per contribuire a progetti significativi e all'avanzamento della tecnologia AI/ML.

SurveyMonkey

Dettagli di contatto:

Team di recruiting di SurveyMonkey

Consigli degli esperti StudySmarter🤫

Ecco come pensiamo che potresti ottenere Staff Machine Learning Engineer

Sfrutta i Meetups di Data Science

Partecipare a meetups e conferenze di data science è un must! Questi eventi sono un ottimo modo per connettersi con esperti del settore e altre persone in cerca di lavoro. Non vergognarti di farti avanti e parlare con i relatori: potrebbe aprirti porte inaspettate.

Progetti Open Source per Farsi Notare

Contribuire a progetti open source è una fantastica opportunità per mostrare le tue competenze pratiche. Non solo aiuta a costruire il tuo portfolio, ma ti consente anche di lavorare con tecnologie che potrebbero essere ricercate dalla tua futura azienda. Cerca progetti su GitHub legati a data science e mettiti in gioco!

Unisciti a Comunità Online

Entrare a far parte di comunità online come Kaggle o forum di data science può essere un grande vantaggio. Non solo puoi partecipare a competizioni e migliorare le tue abilità, ma puoi anche costruire una rete con altri professionisti del settore. Queste connessioni possono rivelarsi preziose quando cerchi un lavoro a tempo pieno.

Candidati Direttamente su SurveyMonkey

Non dimenticare di candidarti direttamente sul sito di SurveyMonkey! Spesso le aziende preferiscono ricevere applicazioni tramite il loro portale, quindi assicurati di seguire le istruzioni specifiche. Un’applicazione diretta può darti un vantaggio rispetto a chi usa canali più generali.

Pensiamo che ti servano queste competenze per eccellere come Staff Machine Learning Engineer

Machine Learning
Natural Language Processing
Statistical Modelling
Data Analysis
Architectural Design
End-to-End ML Solutions
Production Monitoring

Alcuni consigli per la tua candidatura 🫡

Evidenzia le tue competenze tecniche:Nel campo della data science, è fondamentale mostrare le tue competenze tecniche. Assicurati di includere nel tuo CV le lingue di programmazione che conosci, come Python o R, e i tool che hai utilizzato, come TensorFlow o scikit-learn. Non dimenticare di far vedere i tuoi progetti o le tue analisi precedenti, magari con link a GitHub o portafogli di lavoro!

Scrivi una lettera motivazionale convincente:Per un ruolo full-time in data science, la lettera motivazionale è la tua occasione per far trasparire la tua passione per i dati e la tua voglia di contribuire al lavoro di SurveyMonkey. Spiega perché sei interessato a questo specifico ruolo e come le tue esperienze passate ti rendono il candidato ideale. Non essere timido: condividi le tue ambizioni e la tua visione per il futuro!

Includi risultati quantificabili:Quando parli delle tue esperienze lavorative precedenti, cerca di includere risultati quantificabili che dimostrino il tuo impatto. Ad esempio, puoi dire che hai aumentato l'efficienza di un'analisi del 20% o che hai contribuito a un progetto che ha portato a un aumento del fatturato del 15%. Metriche del genere catturano sempre l'attenzione dei recruiter!

Mostra il tuo approccio alla risoluzione dei problemi:La data science è tutta una questione di risolvere problemi complessi. Utilizza il tuo CV e la tua lettera motivazionale per descrivere come hai affrontato sfide specifiche in progetti precedenti. Ti consigliamo di includere un breve case study o un esempio pratico dei tuoi risultati per davvero colpire i selezionatori di SurveyMonkey. Mostra loro come pensi e come apprendi!

Come prepararti a un colloquio di lavoro presso SurveyMonkey

Brilla con il tuo Portafoglio

Porta con te un portfolio che mostri i tuoi progetti di data science. Includi studi di caso dettagliati e le tecniche che hai utilizzato, come l'analisi dei dati, il machine learning o la visualizzazione. In questo modo possiamo dimostrare concretamente il nostro problema-solving e le nostre competenze tecniche, che sono fondamentali in questo campo!

Preparati a Domande Tecniche

Aspettati domande tecniche in merito a statistica, machine learning e linguaggi di programmazione come Python o R. Potrebbero chiederti di spiegare modelli specifici o di analizzare un dataset sul momento. Rinfreschiamo insieme le nozioni di base e prepariamoci a dimostrare le nostre competenze pratiche.

Mostra la tua Curiosità

Le aziende cercano candidati che mostrino voglia di apprendere e crescita professionale. Durante l'intervista, parliamo delle tendenze attuali nel settore e dimostriamo il nostro interesse per l'innovazione nel campo della data science. Questo non solo ci farà apparire proattivi, ma metterà anche in evidenza la nostra motivazione.

Comunica Chiaramente i Tuoi Risultati

Essere bravi con i dati è fondamentale, ma sapere come comunicarli è altrettanto importante. Durante l'intervista, cerca di essere chiaro e conciso mentre parli dei tuoi risultati. Usa esempi specifici per dimostrare come le tue analisi abbiano avuto un impatto positivo in progetti passati. In questo modo possiamo evidenziare le nostre capacità comunicative, fondamentali per un ruolo a tempo pieno.