Stripe — финансовая инфраструктурная платформа для бизнеса. Миллионы компаний используют Stripe для приема платежей, роста выручки и развития бизнеса. Миссия — увеличить ВВП интернета. Команда ML Platform строит платформы и сервисы, которые позволяют ML-инженерам и дата-сайентистам Stripe переводить данные и модели от прототипа до продакшена — надежно, с низкой задержкой и в масштабе. Сфера охвата включает инфраструктуру обучения моделей, сервинг и деплой моделей, вычисление признаков и онлайн-сервинг, наблюдаемость и мониторинг, а также возможности агентного ИИ.
Обязанности:
- Отвечать за сквозную архитектуру и системный дизайн крупных сложных проектов в ML Platform.
- Определять техническое направление для высоконеоднозначных проектов, превращая сложные потребности пользователей в долгосрочную стратегию платформы.
- Проектировать системные архитектуры для сложнейших задач ML Platform: оркестрация AI и ML-процессов, масштабируемая CPU и GPU-инфраструктура, обучение моделей, тонкая настройка LLM, низколатентный инференс моделей, крупномасштабные хранилища признаков, мониторинг в реальном времени, оркестрация LLM и агентов.
- Превращать идеи в надежные решения, формирующие дорожную карту платформы и продукта.
- Вести крупные проекты с существенным бизнес-влиянием: от требований через дизайн и реализацию до эксплуатации.
- Работать с ML-инженерами, дата-сайентистами и продуктовыми командами, переводя их потребности в функциональные требования и масштабируемые технические решения.
- Принимать ключевые решения, балансируя приоритеты с учетом ограничений по задержке, надежности, стоимости и безопасности.
- Представлять инженерную позицию перед старшими руководителями Stripe и консультировать руководство по техническим вопросам полного ML-цикла.
- Вести кросс-командные инициативы по ускорению разработки ML и повышению зрелости MLOps.
- Наставлять и развивать других инженеров, служить примером в проектировании, реализации и эксплуатации качественных систем.
Требования:
- 10+ лет профессионального опыта разработки ПО или эквивалентной экспертизы, с солидным бэкграундом в сервис-ориентированной архитектуре и крупномасштабных распределенных системах.
- Опыт технического лидера: умение задавать техническое направление, вести мультикомандные инициативы и наставлять коллег.
- Опыт создания и эксплуатации продакшен-ML-платформы в одной или нескольких областях: обучение моделей, сервинг, оркестрация или ML-системы данных, с учетом требований к производительности, надежности, масштабируемости и экономической эффективности.
- Сильное продуктовое чутье и глубокое понимание бизнес-контекста.
- Отличные коммуникативные навыки: умение объяснять сложные технические концепции техническим и нетехническим заинтересованным сторонам.
- Умение работать кросс-функционально с ML-инженерами, дата-сайентистами и инженерами ПО.