Inżynier uczenia maszynowego średniego szczebla w Harvey Nash Technology

 Wykorzystane technologie

• Języki programowania: Python, Go

• Frameworki uczenia maszynowego: TensorFlow , PyTorch 

• Platformy chmurowe: AWS 

• Narzędzia Big Data: Spark, Snowflake, Snowpark 

• Narzędzia CI/CD i orkiestracji: akcje Github, przepływ powietrza 

• Narzędzia monitorowania: Grafana 

Umiejętności i kwalifikacje

• Wykształcenie: Wykształcenie wyższe w dziedzinie informatyki lub pokrewnej. 

• Doświadczenie: Minimum 2 lata udokumentowanego doświadczenia w branży. 

• Umiejętności programowania: Biegła znajomość języka Python lub innych języków programowania obiektowego. 

• Dogłębne zrozumienie struktur danych, algorytmów i zasad inżynierii oprogramowania. 

• Znajomość popularnych bibliotek ML (np. TensorFlow, PyTorch, Spark ML) i/lub rozwiązań chmurowych (np. AWS, Sagemaker). 

• Znajomość CI/CD (np. Github Actions, Airflow) i narzędzi Big Data (np. MapReduce, Spark, Flink, Kafka, Docker, Kubernetes). 

• Umiejętności baz danych: Doświadczenie w zarządzaniu SQL i bazami danych, w tym w optymalizacji zapytań SQL. 

• Specjalizacja w testowaniu: Doświadczenie ze frameworkami do testów jednostkowych. 

 Wykorzystane technologie

• Języki programowania: Python, Go

• Struktury uczenia maszynowego: TensorFlow, PyTorch 

• Platformy chmurowe: AWS 

• Narzędzia Big Data: Spark, Snowflake, Snowpark 

• Narzędzia CI/CD i orkiestracji: akcje Github, przepływ powietrza 

• Narzędzia do monitorowania: Grafana 

,[ Twórz, testuj i wdrażaj skalowalne rozwiązania i potoki uczenia maszynowego o niskim opóźnieniu., Badaj i odkrywaj najnowsze osiągnięcia w technologiach platform uczenia maszynowego, przesuwając granice tego, co jest możliwe do osiągnięcia dzięki ML, pozostając na bieżąco z trendami i rozwojem branży. , Eksperymentuj i prototypuj nowe platformy uczenia maszynowego dostosowane do konkretnych środowisk, tworząc szybkie prototypy i weryfikując słuszność koncepcji. , Automatyzuj potoki uczenia maszynowego, korzystając z zasad CI/CD, promując spójność i elastyczność w całym cyklu rozwoju. , Przeprowadź dokładne testy, aby zidentyfikować i rozwiązać potencjalne problemy, w tym wątpliwości dotyczące stronniczości lub uczciwości. , Optymalizuj procesy wdrażania modeli, w tym testy jednostkowe, integracyjne i obciążeniowe, zapewniając wysoką jakość inżynieryjną. , Zaprojektuj i zbuduj infrastrukturę uczenia maszynowego nowej generacji, aby wspierać jednoczesne działanie tysięcy potoków uczenia modeli i miliardów codziennych prognoz wsadowych. , Ściśle współpracuj z wewnętrznymi zespołami ML (takimi jak zespoły Data Scientist i MLOps), aby poprawić jakość bazy kodu i ogólny stan produktu. ] Narzędzia: Python, programowanie obiektowe, struktury danych, chmura, Big Data, SQL, testowanie jednostkowe, TensorFlow, PyTorch, Spark, AWS, GitHub Actions, Airflow, Flink, Kafka, Kubernetes, Snowflake Інструменти: . Korzyści: Abonament sportowy, Budżet szkoleniowy, Prywatna opieka medyczna, Karta lunchowa, Projekty międzynarodowe, Darmowa kawa, Stołówka, Nowoczesne biuro, Brak dress code.