Średni/starszy inżynier uczenia maszynowego w Provectus

Dołącz do nas w Provectus , aby być częścią zespołu zajmującego się tworzeniem najnowocześniejszych rozwiązań technologicznych, które mają pozytywny wpływ wpływ na społeczeństwo. Nasza firma specjalizuje się w technologiach AI i ML, usługach w chmurze oraz inżynierii danych i jesteśmy dumni z naszej zdolności do wprowadzania innowacji i przesuwania granic tego, co możliwe.

Jako inżynier ML będziesz mieć zapewnione ze wszystkimi możliwościami rozwoju i wzrostu.

Pracujmy razem, aby zbudować lepszą przyszłość dla wszystkich!

Wymagania:

• Bezproblemowa obsługa standardowych algorytmów ML i podstawowej matematyki.
• Duże, praktyczne doświadczenie z LLM w produkcji, architekturą RAG i systemami agentowymi
• Zdecydowanie preferowane doświadczenie AWS Bedrock
• Praktyczne doświadczenie w rozwiązywaniu ogólnych zadań klasyfikacji i regresji, inżynieria cech.
• Praktyczne doświadczenie z modelami ML w produkcji.
• Praktyczne doświadczenie w jednym lub większej liczbie zastosowań przypadki z następujących: NLP, LLM i silniki rekomendacji.
• Solidne umiejętności inżynierii oprogramowania (tj. umiejętność tworzenia dobrze ustrukturyzowanych modułów, a nie tylko skryptów notatników).
• Doświadczenie w Pythonie , Docker.
• Poziom języka angielskiego - mocny średniozaawansowany.
• Doskonała umiejętność komunikacji i rozwiązywania problemów.
  

Będzie plusem :

• Praktyczne doświadczenie z platformami chmurowymi (preferowany stos AWS, np. Amazon SageMaker, ECR, EMR, S3, AWS Lambda).
• Praktyczne doświadczenie z modelami głębokiego uczenia się.
• Doświadczenie z taksonomiami lub ontologiami.
• Praktyczne doświadczenie z modelami głębokiego uczenia się potoki uczenia maszynowego do koordynowania skomplikowanych przepływów pracy.
• Praktyczne doświadczenie z Spark/Dask, wielkie oczekiwania.
   

Obowiązki:

< li>Twórz modele ML od podstaw lub ulepszaj istniejące modele. 
• Współpracuj z zespołem inżynierów, analitykami danych i menedżerami produktu nad modelami produkcyjnymi.
• Opracuj plan eksperymentów. 
• Skonfiguruj powtarzalne środowisko eksperymentów i utrzymuj potoki eksperymentów.
• Monitoruj i utrzymuj modele uczenia maszynowego w środowisku produkcyjnym, aby zapewnić optymalną wydajność.
• Twórz przejrzystą i kompleksową dokumentację dla Modele, procesy i potoki uczenia maszynowego.
• Bądź na bieżąco z najnowszymi osiągnięciami w zakresie uczenia maszynowego i sztucznej inteligencji oraz proponuj innowacyjne rozwiązania.