雇佣自由机器学习工程师

Abhimanyu Veer Aditya

自由机器学习工程师

美国Toptal成员2019年5月7日

Abhimanyu是一名机器学习专家,拥有15年为商业和科学应用创建预测解决方案的经验. 他是一个跨职能的技术领导者, 有组建团队和与c级高管共事的经验. Abhimanyu在计算机科学和软件工程方面有着成熟的技术背景,在高性能计算方面拥有专业知识, 大数据, 算法, 数据库, 分布式系统.

显示更多

丹Napierski

自由机器学习工程师

美国Toptal成员2016年4月28日

Dan是一名专注于区块链技术应用的软件架构师和技术专家. 他拥有多年的专业咨询服务经验,为从初创公司到跨国公司的客户提供服务. 他擅长将严格的测试和防弹代码引入棘手的工程挑战. 他在人工智能的许多方面都有深厚的专业知识, 区块链, 机器学习, 和自动化.

显示更多

Johnathan赫伯特

自由机器学习工程师

美国Toptal成员2017年3月19日

jonathan有15年的web应用编写经验,涵盖了消费者生产力软件和关键任务金融交易平台. 他拥有丰富的前端JavaScript和浏览器api知识,以及反应和回来的等流行框架和库的丰富经验. Johnathan丰富的全栈经验包括Node.js和Express, MongoDB以及更传统的技术,如PHP, ASP.. 网和MySQL.

显示更多

拉塞尔•霍顿

自由机器学习工程师

美国Toptal成员2018年3月14日

Russell构建数据驱动的产品和数据驱动的团队. 他有超过15年的发明经验, 快速原型, 部署由机器学习和自然语言处理驱动的产品. Russell喜欢在数据科学项目的早期阶段提供咨询.

显示更多

现在注册以查看更多资料.

开始招聘

招聘指南

《雇佣优秀机器学习工程师指南

机器学习工程师是建筑方面的专家, 设计和优化人工智能(AI)系统. 这篇招聘机器学习工程师的指南包括面试问题和答案, 以及最佳实践,将帮助您确定您的公司的最佳候选人.

阅读招聘指南

机器学习招聘资源

雇佣机器学习工程师的更多资源

工作描述模板面试问题工作
Trustpilot
总体优势

在无风险试用后,98%的Toptal客户选择雇用我们的人才.

道达尔的筛选和匹配过程确保卓越的人才与您的精确需求相匹配.

开始招聘
报纸上铺天盖地

... 允许公司快速组建具有特定项目所需技能的团队.

尽管对程序员的需求在不断增加,但Toptal对自己近乎常春藤联盟级别的审查感到自豪.

我们的客户
为游戏制作应用程序
康纳肯尼
为游戏制作应用程序
构建一个跨平台的应用程序,在全球范围内使用
蒂埃里Jakicevic
构建一个跨平台的应用程序,在全球范围内使用
引领数字化转型
埃尔是
引领数字化转型
挖掘实时数据将改变行业的游戏规则
挖掘实时数据将改变行业的游戏规则
我们的客户怎么想
客户的速度 total机器学习工程师4.4 / 5.0截至2023年11月22日,平均有482条评论
奖状

没有Toptal就不会有Tripcents. Toptal Projects使我们能够与产品经理一起快速发展我们的基金会, 带领开发人员, 高级设计师. 在60多天的时间里,我们从概念到Alpha. 其速度、知识、专业知识和灵活性是首屈一指的. Toptal团队是tripcents的一部分,就像tripcents的任何内部团队成员一样. 他们像其他人一样贡献并拥有开发的所有权. 我们将继续使用Toptal. 作为一家初创公司,它们是我们的秘密武器.

布兰特利·佩斯,首席执行官 & 联合创始人

Tripcents

我对我们与Toptal的合作经验非常满意. 和我一起工作的专业人员在几个小时内就和我通了电话. 在和他讨论了我的项目后,我知道他就是我想要的候选人. 我立即雇用了他,他没有浪费时间就完成了我的项目, 甚至通过添加一些很棒的设计元素来增加我们的整体外观.

保罗·芬利,局长

K邓恩 & 的同事

与我合作的开发者都非常出色——聪明、有动力、反应灵敏. 过去很难找到高质量的工程师和顾问. 现在不是.

瑞安·洛克菲勒首席执行官

Radeeus

Toptal立即理解了我们的项目需求. 我们遇到了一位来自阿根廷的杰出自由职业者, 从第一天开始, 沉浸在我们的行业中, 与我们的团队无缝融合, 理解我们的愿景, 并产生了一流的结果. Toptal使与高级开发人员和程序员的联系变得非常容易.

Jason Kulik,联合创始人

ProHatch

作为一家资源有限的小公司,我们不能犯代价高昂的错误. Toptal为我们提供了一位经验丰富的程序员,他能够立即投入工作并开始做出贡献. 这是一次很棒的经历,我们会马上再来一次.

斯图尔特·波克尼校长

现场专用软件解决方案

我们使用Toptal聘请了一位具有丰富的Amazon Web Services经验的开发人员. 我们面试了四位候选人,其中一位非常符合我们的要求. 这个过程迅速而有效.

Abner Guzmán Rivera,首席技术官和首席科学家

照片Kharma

Sergio是一个很棒的开发者. 一流,反应迅速,工作效率高.

Dennis Baldwin,首席技术专家和联合创始人

PriceBlink

和Marcin一起工作是一种乐趣. 他很能干。, 专业, 灵活的, 并且非常迅速地理解需要什么以及如何实现它.

安德鲁·费舍尔,首席技术官

POSTIFY

我们需要一位能立即开始我们项目的专业工程师. 西马纳斯的工作超出了我们的预期. 不需要采访和追踪专家开发人员是一种非常节省时间的方法,并且让每个人都对我们选择切换平台以使用更健壮的语言感到更舒服. Toptal使这一过程变得简单方便. Toptal现在是我们寻求专家级帮助的首选之地.

Derek Minor, Web开发高级副总裁

网络传媒集团

Toptal的开发人员和架构师都非常专业,也很容易共事. 他们提供的解决方案价格合理,质量上乘,缩短了我们的发行时间. 再次感谢,Toptal.

首席执行官杰里米·韦塞尔斯

Kognosi

我们与Toptal合作非常愉快. 他们为我们的应用程序找到了完美的开发人员,让整个过程变得非常简单. 它也很容易超出最初的时间框架, 我们可以在整个项目中保持同一个承包商. 我们强烈推荐Toptal,因为它可以快速无缝地找到高素质的人才.

Ryan Morrissey,首席技术官

应用商业技术有限责任公司

我对Toptal印象深刻. 我们的开发人员每天都和我交流,他是一个非常强大的程序员. 他是一个真正的专业人士,他的工作非常出色. Toptal 5星.

首席执行官彼得罗·卡索

浪人娱乐有限公司

与Toptal合作是一次很棒的经历. 在使用它们之前, 我花了相当多的时间面试其他自由职业者,但没有找到我需要的. 在与Toptal合作后,他们在几天内就为我找到了合适的开发者. 与我一起工作的开发人员不仅提供高质量的代码, 但他也提出了一些我没有想到的建议. 我很清楚,阿莫里知道自己在做什么. 强烈推荐!

行政总裁郑志刚

Bulavard公司.

作为一名Toptal合格的前端开发人员,我还经营着自己的咨询业务. 当客户来找我帮忙填补他们团队中的关键角色时, Toptal是我唯一愿意推荐的地方. Toptal的所有候选人都是精英中的精英. Toptal是我在近5年的专业在线工作中发现的性价比最高的网站.

伊桑·布鲁克斯,首席技术官

Langlotz专利 & 商标工程公司.

在希格尔的早期, 我们需要一流的开发者, 以可承受的价格, 及时地. Toptal交付!

Lara Aldag,首席执行官

讨价还价

Toptal能让你轻松找到合适的人选,让你放心,因为他们有能力. 我肯定会向任何寻找高技能开发人员的人推荐他们的服务.

Michael Gluckman,数据经理

Mxit公司——

Toptal将我们的项目与最优秀的开发人员快速匹配的能力非常出色. 开发人员已经成为我们团队的一部分, 我对他们每个人所表现出的敬业精神感到惊讶. 对于那些希望与最好的工程师远程工作的人来说,没有比Toptal更好的了.

劳伦特·阿里,创始人

Livepress

Toptal让寻找合格的工程师变得轻而易举. 我们需要一个有经验的ASP.. 网 MVC架构来指导我们的启动应用程序的开发, Toptal在不到一周的时间里为我们找到了三位优秀的候选人. 在做出我们的选择后,工程师立即在线并开始工作. 这比我们自己发现和审查候选人要快得多,也容易得多.

Jeff Kelly,联合创始人

协同解决方案

我们需要一些Scala的短期工作,Toptal在24小时内为我们找到了一位优秀的开发人员. 这在其他平台上是不可能实现的.

Franco Arda,联合创始人

WhatAdsWork.com

Toptal为快速发展和规模化的企业提供不妥协的解决方案. 我们通过Toptal签约的每一位工程师都迅速融入了我们的团队,并在保持惊人的开发速度的同时,将他们的工作保持在最高的质量标准.

Greg Kimball,联合创始人

nifti.com

如何通过Toptal招聘机器学习工程师

1

与我们的行业专家交谈

Toptal的工程总监将与您一起了解您的目标, 技术需求, 团队动力.
2

与精心挑选的人才一起工作

在几天内,我们将为您的项目介绍合适的机器学习专家. 平均匹配时间在24小时以下.
3

绝对合适

与你的新机器学习工程师一起工作一段试用期(满意才付工资), 在订婚前确保他们是合适的人选.

寻找拥有相关技能的专家

在我们的人才网络中访问大量熟练的开发人员,并在48小时内雇用最优秀的3%.

常见问题

  • Toptal机器学习工程师有何不同?

    在Toptal, 我们对机器学习工程师进行了全面筛选,以确保为您匹配最优秀的人才. 在200多个中,每年有5000人申请加入Toptal网络, 只有不到3%的人能达标.

    我们的人才匹配者是他们所匹配领域的专家——你永远不会与招聘人员或人力资源代表打交道. 他们会和你一起理解你的目标, 技术需求, 我们的团队充满活力,并从我们的全球人才网络中为您匹配理想的候选人.

    除了筛选行业领先的专业知识, 我们也会评估候选人的语言和人际交往能力,以确保你有一个顺利的工作关系.

    当你雇佣Toptal的机器学习工程师时, 你将永远和世界级的人一起工作, 定制匹配的机器学习工程师随时准备帮助您实现目标.

  • 你在Toptal能多快招到人?

    一般来说,你可以在大约48小时内雇佣一名Toptal的机器学习工程师. 我们的人才匹配者是他们所匹配的领域的专家,他们不是招聘人员或人力资源代表. 他们会和你一起理解你的目标, 技术需求, 我们的团队充满活力,并从我们的全球人才网络中为您匹配理想的候选人.

    一旦你选择了机器学习工程师, 你会有一个无风险的试用期,以确保他们是完美的匹配. 我们的匹配流程有98%的试聘率, 所以你可以放心,你每次都得到最合适的.

  • Toptal机器学习工程师的无风险试用期是多长?

    我们确保您和您的机器学习工程师之间的每次签约都从长达两周的试用期开始. 这意味着你有时间确认订婚是否成功. 如果你对结果完全满意, 我们会给你开时间单的,你愿意多久我们就多久. 如果您不完全满意,我们不会向您收费. 从那里, 我们要么分道扬镳, 或者我们可以为您提供另一位可能更合适的专家,我们将与他开始第二轮谈判, 无风险试用.

Tetyana Loskutova博士
验证专家 
在工程

Tetyana是一位技术企业家,致力于在创建新软件解决方案或改造旧软件解决方案时为客户提供端到端的服务. 她完成的一些项目包括财务和会计系统, 机器学习驱动的NLP系统, 预测, 异常检测. Tetyana为多个国家和不同行业的客户工作过, 比如能源, 政府, 教育, 和生物技术.

工作经验

24
分享
机器学习

如何招聘机器学习工程师

机器学习工程师是现代商业的必需品

91.6%的财富1000强企业增加了投资 在大数据和人工智能领域,对 机器学习(ML)工程师也在显著增长 而且没有放缓的迹象. 事实上,LinkedIn将机器学习工程师列为 2022年增长第四快的角色 仅在美国,机器学习工程师的就业市场预计将增加 到2026年增长31%.

所以找到一个机器学习工程师有多难呢? 好吧, 如果你的目标只是找到一个可以在简历上合法列出机器学习的人,这并不难. 但如果目标是找到一个真正掌握其细微差别的ML专家, 权力, 战略应用, 那么挑战肯定是艰巨的.

雇佣机器学习工程师涉及很多因素.

您将需要了解您的业务需求以及如何使用ML来实现理想的解决方案. 然后,您将需要创建一个高效的招聘和评估流程,专门针对寻找不仅仅是合格的机器学习工程师, 而是适合你特定需求的机器学习工程师. 你在这个过程中的第一步, 然而, 是继续阅读并了解更多关于这些关键步骤的信息.

是什么属性将优秀的机器学习工程师与其他工程师区分开来?

有才华的机器学习工程师不仅在理论上知识渊博,而且在技术上精通, 还拥有各种软技能,可以增强他们的ml特定能力.

一个优秀的机器学习工程师应该具备:

  • 理论知识

    • 基本和集成ML模型
    • 回归,分类,聚类,强化学习,优化
    • ML指标适用于不同的模型类型
    • 不同应用的深度学习(DL)架构
  • 技术技能

    • 良好的编程技能(Python和/或R、SQL),有其他编程语言经验者优先.)
    • MLOps工具和平台(这些将取决于您现有的或期望的基础设施,例如.g., SageMaker, AzureML, H2O.ai、Vertex ai、datarrobot等.)
    • 大数据技术和工具:拼花文件、大文件查看/编辑工具
    • Visualization: matplotlib, seaborn; good-to-have: sweetviz, plotly
    • 数据库(关系数据库和非关系数据库)和数据仓库解决方案
  • 软技能

    • 理解和理解能力 解决问题 只有极少的业务指导
    • 质疑假设的能力
    • 调查思维和数据驱动的论证

机器学习工程师需要精通各个领域.

你如何确定理想的机器学习工程师类型?

现在您知道了如何从一般的角度来识别一个高质量的ML工程师. 但是机器学习问题可以是多种多样的,所以你需要 确定您的具体业务需求 以便找到理想的机器学习工程师来解决这些问题. 首先起草一份 “问题的声明” 确定你想要解决的问题,以及机器学习将如何成为解决方案的一部分.

你的问题陈述至少应该包括以下考虑因素:

  1. 识别问题

    • 您希望改进哪些业务案例?

      • 可以找到一些ML考虑的业务案例 在这里,下面有更多的见解.
    • 你想找一个长期的还是短期的工作?
    • 您是否有明确定义的需求,或者您正在寻找使用ML来帮助整体业务流程的人?
  2. 定义利益相关者

    • 哪些业务领域需要机器学习工程师的专业知识?
    • 谁可以参与ml授权流程的设计/重新设计?
  3. 定义技术

    • 您现有的/期望的云/本地平台是什么?
    • 在您的业务中使用哪些编程语言?
    • 您拥有或计划使用哪些数据库?
  4. 考虑MLOps

    • 这个项目需要什么程度的自动化?

一旦你在问题陈述中解决了这些问题, 您可以使用以下指南来确定1)您的需求是否最适合初级或高级ML工程师,以及2)您应该优先考虑的特定候选人技能集, 根据您的具体业务案例:

经验水平

初级机器学习工程师 – 这些工程师将能够在数据选择/准备领域做出决定, 模型开发, 以及技术实施. 他们还需要从你的数据科学家和DevOps工程师那里获得指导.

高级机器学习工程师 – 凭借他们更广泛的背景和更长的历史在空间, 高质量的高级机器学习工程师可能会在上述日常功能中更加先进. 然而, 他们还将以“大局”的心态超越日常工作,以确定可以使用ML改进的业务领域. 高级工程师应该能够理解您的业务流程,并选择适当的技术工具与您现有的基础设施无缝集成.

按业务案例划分的优先技能

预测 -寻找理解时间序列模型的机器学习工程师. 像Prophet或长短期记忆(LSTM)这样的复杂模型提供了良好的性能,但有时会隐藏底层数据的复杂性. 以确保您的数据得到充分的探索, 寻找了解时间序列基础知识的ML工程师, i.e.、季节性、趋势、自回归特性和平稳性.

客户细分 -寻找具有聚类算法知识的机器学习工程师, 定义集群数量的技术, 以及聚类模型的性能. 对业务指标有很好的理解, 比如客户满意度, 购买历史, 以及客户终身价值, 也很重要.

欺诈检测 -寻找具有异常检测模型经验的机器学习工程师, 用于检测新的欺诈模式的无监督学习, 不平衡的分类和/或聚类, 理解异常值, 以及有效地应用ML度量来保持模型相关性.

身份验证,视频监控,和/或自动视频和图像标签 -寻找一个理解许多系统需要检查视频流的机器学习工程师, e.g., 识别财产上的入侵者, 协助进行远程身份验证, 自动按类型对电影和电视节目进行分类, 或者检测参与者. 这些技能依赖于图像分类/分割技术, 哪些通常基于最先进的深度学习架构, 所以理解它们是必要的. 然而, 对于机器学习工程师来说,理解视频流处理的复杂性也很重要, 数据压缩, 存储大量非结构化数据, 以及在图像上训练的机器学习模型的性能.

声音分类和语音生成 -寻找一个ML工程师,他了解声音通常使用傅里叶变换来处理,以创建可以以与图像相同的方式处理的时间/频率“图像”. 另外, 合适的候选人还将具备身份验证技能描述中提到的图像分类/分割技能和经验, 以上.

文本处理、聊天机器人、搜索引擎和文本生成 -寻找具有文本标记化专业知识的机器学习工程师, 嵌入, 简单模型(如多项朴素贝叶斯和Word2vec), 最先进的模型. 除了建模之外,文本存储和压缩方面的经验也很重要.

如何为你的项目写一个机器学习工程师的职位描述

您已经确定了机器学习工程师所需的经验水平和技能. 现在是时候找到最合适的人选了. 像大多数招聘启事一样, 每个职位都有类似的/标准的角色和职责. 为了在本文中提供帮助,请考虑引用 这个机器学习工程师招聘模板. 然后, 确保在问题陈述中包含明确的要求,以帮助候选人在申请前进行自我选择.

机器学习工程师的面试问题有哪些?

尽管面试官和被面试者通常都试图坚持一个基本的脚本, 大多数好的面试会转向对话领域,因为每个回答往往会引发更多意想不到的问题, 但是相关的后续问题. 也就是说, 有一个你知道你需要回答的问题清单来正确评估你的候选人是很重要的. 考虑使用 这些面试问题 在您的会议期间准备好,以及以下内容:

深度学习和机器学习的区别是什么?

深度学习(DL)和机器学习(ML)的主要区别在于DL是一个具有多个隐藏层的神经网络(NN)架构. 虽然从概念上讲,这与单层神经网络(ML感知器)没有太大区别。, 隐藏层的添加允许对特征和目标变量之间非常复杂的关系进行编码. 这, 反过来, 允许有效地处理大型非结构化数据, 比如图像, 文本, 和音频.

存在什么类型的神经网络?

人工神经网络领域在不断发展,已经提出了许多类型的神经网络, 测试, 并付诸实践. 尽管不同的来源提出了不同的分类法, 在典型的商业应用中,最常见的神经网络类型包括感知器, 前馈神经网络, 卷积神经网络, 和递归神经网络. 感知器对于创建基本模型很有用. 前馈神经网络在各个领域都有应用,其优点是可以使用不同的激活函数. 卷积神经网络广泛应用于图像、视频和声音处理应用. 循环神经网络用于序列处理,尤其是在自然语言处理中. 它们是……的基础 变压器神经网络.

你能说出十大机器学习算法中的几个吗? 你对它们有多熟悉? 请举例说明.

线性回归, 逻辑回归, k - means, 随机森林算法, 支持向量机算法, 决策树, 然而,算法, 朴素贝叶斯算法, 梯度和AdaBoost算法, 降维算法.

为什么公司要雇佣机器学习工程师?

机器学习工程师使用机器学习来改进数据处理和洞察力提取. ML engineers share many responsibilities with 数据科学家; 然而, 除了建立模型, 机器学习工程师在生产环境中开发管道并维护模型. 他们的典型工作流程包括以下步骤:

  • 数据采集:可选,可由 数据工程师 or 数据科学家,或者可以从现成的数据集中提取
  • 探索性数据分析(EDA)
  • 基础模型构建
  • 最佳模型选择:模型比较,交叉验证,超参数调整
  • ML管道创建:建立评估指标, 预警方法, 以及与商业应用程序和仪表板的集成
  • ML管道测试
  • ML管道部署:docker、Terraform脚本或类似的
  • 性能跟踪和维护:自动再培训, 性能警报, 实验跟踪
  • 模型升级:通常当新的数据类型可用或业务目标被修改时

结论

越来越多地, 机器学习正在为我们的许多日常问题提供解决方案, 无论是个人还是职业. 作为商业领袖, 将机器学习集成到我们工作的尽可能多的方面是不够的, 领先于竞争对手是很有必要的.

对机器学习有一个高层次的理解,并熟练掌握其许多当前和潜在的业务应用程序,将为您提供在自己的公司中识别机器学习用例的关键能力,并聘请理想的机器学习工程师来实现正确的解决方案.

顶尖的机器学习工程师需求量很大.

开始招聘