Filip Haltmayer: Por que entrei para a Zilliz como engenheiro de software
Meu nome é Filip Haltmayer, e trabalho como engenheiro de software na Zilliz em Redwood City, Califórnia. Estou entusiasmado em compartilhar minha história sobre por que entrei na Zilliz e como me sinto trabalhando para uma empresa que lidera o caminho em IA e tecnologia de busca vetorial.
Olhando para trás, sempre fui apaixonado por engenharia de software, e minha formação universitária, projetos de machine learning (ML) após a graduação e interesse em ML e sistemas distribuídos fizeram com que entrar na Zilliz fosse a mudança de carreira perfeita para mim. Também tenho orgulho de fazer parte do projeto Milvus e de uma equipe fantástica que constantemente expande os limites da busca vetorial.
Apaixonado por engenharia de software
Ao longo da minha vida, engenharia de software tem sido minha paixão. Enquanto estava na universidade, tive a chance de explorar muitos campos diferentes e descobri que o que mais gostava eram sistemas distribuídos e machine learning. Eu estava sempre ansioso para aprender mais, indo além das disciplinas obrigatórias para fazer aulas extras e me aprofundando ainda mais nesses assuntos. Quanto mais eu aprendia, mais percebia a importância do machine learning e dos sistemas distribuídos e como eles moldarão o futuro, o que me deixou ainda mais determinado a seguir uma carreira nessas áreas.
Mergulhando de cabeça na construção de projetos de ML após a graduação
Ao me formar, a pandemia de Covid atingiu o mundo, fazendo com que a maioria das empresas congelasse suas contratações em preparação para o mercado financeiro incerto. Em vez de esperar, decidi trabalhar em projetos pessoais nas minhas áreas de interesse. Mergulhei em machine learning e me concentrei em modelos de visão computacional, implementando várias GANs, Autoencoders e modelos de Classificação. Além disso, enfrentei algoritmos como Paxos e Raft para aprimorar minhas habilidades em sistemas distribuídos e implantei exemplos na nuvem. Meu fascínio pela interseção entre sistemas distribuídos e machine learning acabou me levando a me candidatar à Zilliz.
Impressionado pela entrevista com a Zilliz
Durante minha entrevista com a Zilliz, eu estava ansioso para ver se os valores e a visão da empresa estavam alinhados com os meus. Fiquei satisfeito ao descobrir que a parte técnica da entrevista era diretamente relevante para o trabalho, com foco na implementação de um novo caso de uso para o Milvus. Diferentemente de muitas entrevistas que envolvem testes e projetos irrelevantes, a abordagem da Zilliz garantiu que a equipe com a qual eu trabalharia seria altamente qualificada para suas funções. A equipe com quem conversei também era composta por indivíduos inteligentes e acessíveis que compartilhavam a paixão por expandir os limites da busca vetorial. Portanto, acreditei que a Zilliz era um lugar onde eu poderia aprender, crescer e causar um impacto significativo nesse campo em rápida evolução.
Eu aceitei a oferta!
Decidir se juntar a uma startup, no fim das contas, se resume a uma pergunta: Você acredita que o trabalho que está sendo feito tem futuro e contribuirá para o crescimento da área?
A pergunta foi fácil de responder para mim, pois vi desde cedo como a área estava crescendo. Grandes empresas estavam acumulando vastas quantidades de dados, esperando que a tecnologia existisse no futuro para dar sentido a tudo aquilo. Redes neurais foram o primeiro passo nesse processo, permitindo que computadores compreendessem dados não estruturados. A busca vetorial é o segundo passo, permitindo-nos finalmente obter insights a partir dos acervos de dados armazenados. Com essa ideia em mente, aceitei rapidamente a oferta.
Dois anos depois: minhas expectativas vs. realidade
Com mais de dois anos de experiência na Zilliz, seria importante falar sobre como minhas expectativas se alinharam com a realidade. Fico feliz em dizer que não me decepcionei. Embora muitas pessoas tenham entrado e saído, ainda aproveito cada dia que passo na Zilliz. Cada dia traz um novo projeto ou desafio que exige que eu aprenda novas ferramentas, adquira novos conhecimentos ou resolva novos problemas. Até agora, minhas previsões sobre a área estavam corretas, e a Zilliz vem crescendo para se tornar uma das principais empresas em IA e busca vetorial. Estou feliz e orgulhoso por estar aqui ajudando-a ao longo do caminho.
Venha se juntar a nós!
Estamos contratando ativamente, com várias vagas disponíveis no mundo todo, incluindo engenheiros de software, arquitetos de soluções, defensores de desenvolvedores, gerentes de produto, representantes de vendas e executivos de contas. Confira nossa página de carreiras para mais informações e para se candidatar.
Continue lendo
How to Build an Enterprise-Ready RAG Pipeline on AWS with Bedrock, Zilliz Cloud, and LangChain
Build production-ready enterprise RAG with AWS Bedrock, Nova models, Zilliz Cloud, and LangChain. Complete tutorial with deployable code.
Data Deduplication at Trillion Scale: How to Solve the Biggest Bottleneck of LLM Training
Explore how MinHash LSH and Milvus handle data deduplication at the trillion-scale level, solving key bottlenecks in LLM training for improved AI model performance.
DeepSeek-VL2: Mixture-of-Experts Vision-Language Models for Advanced Multimodal Understanding
Explore DeepSeek-VL2, the open-source MoE vision-language model. Discover its architecture, efficient training pipeline, and top-tier performance.