Филип Халтмайер: Почему я присоединился к Zilliz в качестве инженера-программиста
Меня зовут Filip Haltmayer, и я работаю software engineer в Zilliz в Редвуд-Сити, Калифорния. Я рад поделиться своей историей о том, почему я присоединился к Zilliz и что я чувствую, работая в компании, которая лидирует в области ИИ и технологии векторного поиска.
Оглядываясь назад, я всегда был увлечен software engineering, а мое университетское образование, проекты по машинному обучению (ML) после выпуска и интерес к ML и распределенным системам сделали присоединение к Zilliz идеальным карьерным шагом для меня. Я также горжусь тем, что являюсь частью проекта Milvus и замечательной команды, которая постоянно расширяет границы векторного поиска.
Увлечен software engineering
На протяжении всей моей жизни software engineering был моей страстью. Во время учебы в университете у меня была возможность заглянуть во множество разных областей, и я понял, что больше всего мне нравятся распределенные системы и машинное обучение. Я всегда стремился узнавать больше, выходя за рамки обязательной учебной программы, посещая дополнительные занятия и еще глубже погружаясь в эти предметы. Чем больше я узнавал, тем больше осознавал значимость машинного обучения и распределенных систем, а также то, как они будут формировать будущее, что сделало меня еще более решительным в стремлении построить карьеру в этих областях.
С головой погрузился в создание ML-проектов после выпуска
После выпуска мир охватила пандемия Covid, из-за чего большинство компаний заморозили найм, готовясь к неопределенности финансового рынка. Вместо того чтобы ждать, я решил работать над личными проектами в интересующих меня областях. Я углубился в машинное обучение и сосредоточился на моделях компьютерного зрения, реализуя различные GAN, Autoencoders и Classification models. Кроме того, я занялся такими алгоритмами, как Paxos и Raft, чтобы улучшить свои навыки в распределенных системах, и развернул примеры в облаке. Мое увлечение пересечением распределенных систем и машинного обучения в конечном итоге привело меня к подаче заявки в Zilliz.
Впечатлен интервью с Zilliz
Во время интервью с Zilliz мне было важно понять, совпадают ли ценности и видение компании с моими. Я был рад обнаружить, что техническая часть интервью была напрямую связана с работой и была сосредоточена на реализации нового варианта использования для Milvus. В отличие от многих интервью, включающих нерелевантные тесты и проекты, подход Zilliz гарантировал, что команда, с которой я буду работать, будет высококвалифицированной для своих ролей. Команда, с которой я общался, также состояла из умных и близких по духу людей, разделяющих стремление расширять границы векторного поиска. Поэтому я поверил, что Zilliz — это место, где я смогу учиться, расти и оказать значительное влияние в этой быстро развивающейся области.
Я принял предложение!
Решение о том, присоединяться ли к стартапу, в конечном счете сводится к одному вопросу: Верите ли вы, что выполняемая работа имеет будущее и внесет вклад в развитие области?
Для меня ответить на этот вопрос было легко, поскольку я с самого начала видел, как развивается эта область. Крупные компании накапливали огромные объемы данных, надеясь, что в будущем появится технология, которая позволит во всем этом разобраться. Нейронные сети стали первым шагом в этом процессе, позволив компьютерам понимать неструктурированные данные. Векторный поиск — это второй шаг, который наконец позволяет нам получать инсайты из накопленных массивов данных. С этой мыслью я быстро принял предложение.
Два года спустя: мои ожидания и реальность
Проработав в Zilliz более двух лет, важно было бы рассказать о том, насколько мои ожидания совпали с реальностью. Я рад сказать, что не был разочарован. Несмотря на то что многие люди приходили и уходили, я по-прежнему наслаждаюсь каждым днем, проведенным в Zilliz. Каждый день приносит новый проект или вызов, который требует от меня изучать новые инструменты, получать новые знания или решать новые проблемы. Пока что мои прогнозы относительно этой области были верны, и Zilliz становится одним из ключевых игроков в сфере ИИ и векторного поиска. Я рад и горжусь тем, что нахожусь здесь и помогаю компании на этом пути.
Добро пожаловать к нам!
Мы активно нанимаем сотрудников на различные позиции по всему миру, включая инженеров-программистов, архитекторов решений, специалистов по работе с разработчиками, менеджеров по продукту, торговых представителей и менеджеров по работе с клиентами. Посетите нашу страницу вакансий, чтобы узнать больше и подать заявку.
Читать далее
How to Choose the Best Embedding Model for RAG in 2026: 10 Models Benchmarked
We benchmarked 10 embedding models on cross-modal, cross-lingual, long-document, and dimension compression tasks. See which one fits your RAG pipeline.
How Zilliz Ended Up at the Center of NVIDIA’s Unstructured Data Story at GTC 2026
If unstructured data is the context of AI, then the ceiling of AI applications will be set not just by models, but by how mature the infrastructure for unstructured data becomes.
Will Amazon S3 Vectors Kill Vector Databases—or Save Them?
AWS S3 Vectors aims for 90% cost savings for vector storage. But will it kill vectordbs like Milvus? A deep dive into costs, limits, and the future of tiered storage.