Dateningenieur /mlops in SeeTree

Data Engineer /mlops віддалено Übersicht SeeTree ist ein führendes Unternehmen in der Agrartechnologiebranche und bietet Landwirten eine Plattform für baumbezogene Intelligenz, mit der sie die Gesundheit und Produktivität ihrer Bäume verfolgen können. Mit umfangreichen Informationsquellen wie Drohnen, Satelliten, IoT-Sensoren, Wetterinformationen und mehr können wir Hunderte Millionen Bäume scannen und analysieren und jedem einzelnen von ihnen umfassende Informationen liefern! Unsere Mission ist es, den ROI der Landwirte und der Branche durch die digitale Transformation der Agrarwirtschaft, des Betriebs und der Entscheidungsfindung zu steigern. Verantwortlichkeiten: Wartung der cloudbasierten Plattform: Regelmäßige Überwachung und Wartung des Betriebs unserer cloudbasierten Annotations- und Schulungsplattform. Bringen Sie 3–5 Jahre Erfahrung in der Datentechnik mit, wobei der Schwerpunkt auf dem Aufbau und der Optimierung von Datenpipelines und Datensätzen liegt. Führen Sie explorative und quantitative Datenanalysen durch und verarbeiten Sie sowohl große als auch kleine Datensätze, um Erkenntnisse zu gewinnen. Konzentrieren Sie sich auf die Skalierung von Datenpipelines, um den wachsenden Datenanforderungen und der Komplexität gerecht zu werden und Robustheit und Effizienz bei der Datenverarbeitung sicherzustellen. Qualifikationen: Branchenerfahrung: Mindestens 3–5 Jahre in datentechnischen Funktionen, mit einer Präferenz für Erfahrung im IoT- oder Industriesektor. Analytische Forschung: Eine starke Erfolgsbilanz in der unabhängigen Forschung zur technischen Problemlösung und zum domänenspezifischen Datenverständnis. Technische Kenntnisse: Fortgeschrittene Kenntnisse in der Python-Programmierung, wobei Java-Kenntnisse von Vorteil sind. Kenntnisse in Daten-Pipeline-Tools. Tiefes Verständnis von Python und Pytorch. Hohe SQL-Kenntnisse. Umfangreiche Erfahrung mit GCP, insbesondere in der Bereitstellung und Verwaltung von Arbeitslasten für maschinelles Lernen. Kenntnisse in der Verwaltung und Optimierung von Pipelines für maschinelles Lernen, um sicherzustellen, dass sie effizient, skalierbar und zuverlässig sind. Bereitstellung von Vision-Algorithmen in GCP Nachgewiesene Fähigkeit zur Bereitstellung in einer schnelllebigen Umgebung. Erfahrung mit Airflow, VertexAI, Kubeflow. Erfahrung mit Big-Data-Lösungen – Vorteil. Erfahrung mit Containern (Docker/Kubernetes). Englisch – obere Mittelstufe und höher.