Machine Learning Developer AI/ML Platform bei Autodesk

We are seeking a Machine Learning Developer to join the AI/ML Platform team, contributing to the design and development of tooling that supports data scientists and research engineers. The ideal candidate will bring a solid background in software development, a strong understanding of AI/ML technologies, and hands-on experience applying data science to real-world problems. This role calls for a collaborative engineer who enjoys solving complex challenges, learning from teammates, and delivering high-quality solutions. You will play an important role in advancing our AI/ML capabilities and helping deliver systems that provide significant value to Autodesk.

Responsibilities

• Data Pipelines & Training Support: Work with customer teams to understand their data processing and model training needs, and help shape platform design with empathy.

• Performance Monitoring & Optimization: Implement monitoring practices to track AI/ML model performance during training and in production, identifying bottlenecks and improving efficiency.

• Model Deployment & Versioning: Contribute to CI/CD pipelines and deployment workflows that ensure smooth, reliable model updates and rollbacks.

• Research & Innovation: Stay current with developments in AI/ML, cloud computing, and MLOps, exploring ways to integrate new technologies that enhance platform capabilities.

Minimum Qualifications

• Education: BS or MS in Computer Science, or equivalent practical experience

• Experience: 3-5 years of experience in software development, with exposure to production systems

• AI/ML Knowledge: Familiarity with deep learning, statistical modeling, or neural networks

• Frameworks: Hands-on experience with AI/ML frameworks (e.g., TensorFlow, PyTorch) and understanding of model development lifecyclesTensorFlow, PyTorch) and understanding of model development li

• Programming: Proficiency in Python and experience with another language such as Java or Go

• Problem-Solving: Ability to analyze complex issues and contribute to practical, effective solutions

• Collaboration: Strong communication skills and eagerness to work with cross-functional teams

• Performance Awareness: Understanding of metrics and optimization techniques to improve system efficiency

• Growth Mindset: Commitment to continuous learning and keeping up with trends in AI/ML and software engineering

Preferred Qualifications

• GPU Computing: Exposure to GPU computing for AI/ML workloads (CUDA, OpenCL, or similar)

• Big Data: Experience with big data technologies such as Hadoop, Spark, or Kafka

• Model Monitoring: Familiarity with tools like MLflow, Kubeflow, or TensorBoard for tracking model performance

• Scalability & Efficiency: Interest in high-performance computing techniques for training and inference

----------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Description du poste

Nous recherchons un développeur en apprentissage automatique pour rejoindre l'équipe de la plateforme IA/ML et contribuer à la conception et au développement d'outils destinés à aider les scientifiques des données et les ingénieurs de recherche. Le candidat idéal aura une solide expérience en développement logiciel, une excellente compréhension des technologies IA/ML et une expérience pratique de l'application de la science des données à des problèmes concrets. Ce poste requiert un ingénieur collaboratif qui aime résoudre des défis complexes, apprendre de ses collègues et fournir des solutions de haute qualité. Vous jouerez un rôle important dans l'amélioration de nos capacités en matière d'IA/ML et contribuerez à la mise en place de systèmes qui apportent une valeur ajoutée significative à Autodesk.

Responsabilités

• Pipelines de données et assistance à la formation : travailler avec les équipes clients pour comprendre leurs besoins en matière de traitement des données et de formation des modèles, et aider à concevoir la plateforme avec empathie.

• Surveillance et optimisation des performances : mettre en œuvre des pratiques de surveillance pour suivre les performances des modèles d'IA/ML pendant la formation et la production, identifier les goulots d'étranglement et améliorer l'efficacité.

• Déploiement et gestion des versions des modèles : contribuer aux pipelines CI/CD et aux workflows de déploiement qui garantissent des mises à jour et des retours en arrière fluides et fiables des modèles.

• Recherche et innovation : se tenir au courant des développements en matière d'IA/ML, de cloud computing et de MLOps, en explorant les moyens d'intégrer de nouvelles technologies qui améliorent les capacités de la plateforme.

Qualifications minimales

• Formation : licence ou master en informatique, ou expérience pratique équivalente

• Expérience : 3 à 5 ans d'expérience dans le développement de logiciels, avec une exposition aux systèmes de production

• Connaissances en IA/ML : Familiarité avec l'apprentissage profond, la modélisation statistique ou les réseaux neuronaux

• Cadres : Expérience pratique des cadres IA/ML (par exemple, TensorFlow, PyTorch) et compréhension des cycles de vie du développement des modèlesTensorFlow, PyTorch) et compréhension des cycles de vie du développement des modèles

• Programmation : maîtrise de Python et expérience avec un autre langage tel que Java ou Go

• Résolution de problèmes : capacité à analyser des problèmes complexes et à contribuer à des solutions pratiques et efficaces

• Collaboration : solides compétences en communication et envie de travailler avec des équipes interfonctionnelles

• Sensibilité à la performance : compréhension des mesures et des techniques d'optimisation pour améliorer l'efficacité du système

• Esprit de croissance : engagement à apprendre en permanence et à se tenir au courant des tendances en matière d'IA/ML et d'ingénierie logicielle

Qualifications souhaitées

• Calcul GPU : expérience du calcul GPU pour les charges de travail IA/ML (CUDA, OpenCL ou similaire)

• Big Data : expérience des technologies Big Data telles que Hadoop, Spark ou Kafka

• Surveillance des modèles : familiarité avec des outils tels que MLflow, Kubeflow ou TensorBoard pour le suivi des performances des modèles

• Évolutivité et efficacité : intérêt pour les techniques de calcul haute performance pour l'entraînement et l'inférence