ML-Ops-Ingenieur in Solvd Inc

12. Februar 2024

ML Ops Engineer

Mehr erfahren

Solvd Inc. ist ein führendes Softwareentwicklungsunternehmen. Wir haben 8 Büros auf der ganzen Welt und beschäftigen über 800 internationale Mitarbeiter. Mit über 12 Jahren Erfahrung, hochqualifizierten Teams auf der ganzen Welt und fundierten Branchenkenntnissen helfen wir Kunden bei der Entwicklung von Software, die ihre Abläufe verbessert und neue Märkte erschließt. Wir haben eine beeindruckende Liste digital-nativer Unternehmenskunden aufgebaut, darunter einige der größten Marken im Einzelhandel und in den sozialen Medien.

Wir suchen einen erfahrenen ML-Ops-Ingenieur zur Verstärkung unseres dynamischen Teams.

In dieser Rolle sind Sie für die Verwaltung der Infrastruktur für maschinelles Lernen und die Bereitstellung von Modellen in Produktionsumgebungen verantwortlich. Sie arbeiten mit Tools wie AWS, AWS CloudFormation, AWS SageMaker und der Databricks-Plattform, einschließlich Unity Catalog, um unsere End-to-End-ML-Pipelines zu optimieren und zu warten.

Hauptaufgaben:

• ML-Infrastrukturmanagement: Entwerfen, verwalten und warten Sie eine skalierbare ML-Infrastruktur mit AWS-Services wie EC2, SageMaker, S3, und CloudFormation-Vorlagen.
• Modellbereitstellung: Automatisieren Sie die Bereitstellung von Modellen für maschinelles Lernen in der Produktion mit AWS SageMaker und Databricks und stellen Sie so kontinuierliche Verfügbarkeit und Leistung sicher.
• CloudFormation-Automatisierung: Verwenden Sie AWS CloudFormation, um Infrastruktur für ML-Arbeitslasten zu definieren und bereitzustellen und so Best Practices für Infrastruktur als Code sicherzustellen.
• Datenverwaltung und -verwaltung: Nutzen Sie den Databricks Unity Catalog für Datenverwaltung, Sicherheit und Compliance und stellen Sie so eine hohe Datenqualität und optimierte Modellschulungsprozesse sicher.
• Überwachung und Optimierung: Implementieren und überwachen Sie Modelle in der Produktion mit Tools wie AWS CloudWatch und Databricks-Überwachungslösungen. Beheben Sie Leistungsengpässe und stellen Sie die Modellgenauigkeit im Laufe der Zeit sicher.
• Zusammenarbeit mit Datenteams: Arbeiten Sie eng mit Datenwissenschaftlern und Dateningenieuren zusammen, um die Arbeitsabläufe bei der Modellentwicklung und -produktion zu optimieren und eine nahtlose Zusammenarbeit sicherzustellen.
• Automatisierte ML-Pipelines : Erstellen und pflegen Sie CI/CD-Pipelines für ML-Modelle mit AWS und Databricks. Stellen Sie sicher, dass Modelle konsequent getestet, überwacht und bei Bedarf neu trainiert werden.

Erforderliche Fähigkeiten:

• AWS-Expertise: Umfangreiche Kenntnisse der AWS-Dienste, einschließlich AWS SageMaker, CloudFormation, EC2, S3, und CloudWatch.
• CloudFormation: Erfahrung mit der Erstellung, Verwaltung und Automatisierung von AWS-Ressourcen mithilfe von AWS CloudFormation-Vorlagen.
• Databricks-Erfahrung: Fachwissen über die Databricks-Plattform und den Unity-Katalog mit der Fähigkeit, große Datenpipelines zu verwalten und die Modellleistung im großen Maßstab sicherzustellen.
• ML-Bereitstellung: Nachgewiesene Erfahrung in der Bereitstellung von Modellen für maschinelles Lernen in Produktionsumgebungen mit AWS SageMaker und Databricks.
• CI/CD-Pipelines: Solides Verständnis von CI/CD-Pipelines und Versionskontrolle, insbesondere im Kontext von Modellen für maschinelles Lernen.
• Programmierkenntnisse: Gute Programmierkenntnisse in Python, mit Kenntnissen von ML-Bibliotheken wie TensorFlow, PyTorch und scikit-learn.
• Überwachung und Protokollierung: Erfahrung in der Einrichtung und Verwaltung der Überwachung und Protokollierung für Produktionsmodelle, der Leistungsverfolgung und der Erkennung von Anomalien.
• DevOps-Denkweise: Vertrautheit mit DevOps-Prinzipien und Infrastrukturautomatisierung, mit Erfahrung im Umgang mit Docker, Kubernetes oder anderen Containerisierungs-/Orchestrierungstools.