Inżynier ML (NLP i LLM) @ Brainly Sp. z oo w Brainly Sp. z o.o.

Inżynier ML będzie miał okazję przekształcić artefakty uczenia maszynowego w systemy produkcyjne, uczestniczyć we wdrażaniu najnowocześniejszych praktyk MLOps i doskonalić umiejętności w zakresie NLP, generatywnej sztucznej inteligencji, przetwarzania danych na dużą skalę i wyszukiwania informacji .

Idealny kandydat to entuzjasta technologii edukacyjnych z doświadczeniem w tworzeniu oprogramowania i zestawem umiejętności łączących infrastrukturę chmury, uczenie maszynowe i kodowanie w języku Python.

Jako członek zespołu Machine Learning Infra inżynier ML będzie ściśle współpracował z innymi rolami AI w zespołach AI Services (inżynierowie MLOps, badacze danych, analitycy AI, specjaliści ds. operacji AI ) przy projektach wewnętrznych, opracowywać modułowe rozwiązania MLOps w oparciu o to, co zapewniają zespoły Data Engineering i Automation, oraz współpracować z innymi zespołami ML spoza działu, aby wspierać wdrażanie technologii.

Ponadto zespół ML Infra pełni podwójną rolę: jest właścicielem platformy MLOps używanej przez wszystkich praktyków ML w Brainly i pełni funkcję szkieletu inżynieryjnego dla projektów AI Services.

Czy masz motywację do szybkiego uczenia się i rozwoju w wymaganych obszarach, aby odnieść sukces w pracy? Czy pasjonujesz się automatyzacją przepływów pracy? Kierujesz się kulturą DevOps i wysokimi standardami oprogramowania? Czy bierzesz odpowiedzialność za problemy/wyzwania od początku do końca? Czy masz pozytywne nastawienie i chęć podejmowania wyzwań i złożonych problemów? Jeśli odpowiedziałeś twierdząco na te pytania, być może jesteś idealnym kandydatem na to stanowisko! 

CO JEST WYMAGANE

• ponad 3 lata doświadczenia z modelami Deep Learning w środowisku produkcyjnym lub porównywalna kariera w branży z uczeniem maszynowym lub danymi górnictwo.
• Ponad 1 rok doświadczenia z modelami Deep Learning dla NLP, modelami językowymi lub analizą tekstu w produkcji .
• Praktyczne doświadczenie z nowoczesnym przetwarzaniem w chmurze albo AWS (najlepiej) lub Azure, GCP i usługami w zakresie przechowywania, przetwarzania danych, środowisk bezserwerowych, R&D i ML R&D.
• Doświadczenie w tworzeniu potoków uczenia maszynowego na potrzeby inżynierii funkcji, szkoleń, oceny i wnioskowania wsadowego.
• Doświadczenie we wdrażaniu modeli uczenia maszynowego w środowisku produkcyjnym, monitorowaniu na żywo i zarządzaniu cyklem życia modeli (np. etykietowaniem, ponownym szkoleniem).
• Dobra umiejętność kodowania w Pythonie, w szczególności w celu szkolenia i wdrażania modeli oraz powiązanych bibliotek (np. numpy, Boto3, FastAPI, PyTorch, Pandas, Poetry lub podobne).
• Frameworki Machine Learning takie jak: Tensorflow czy PyTorch, AWS Sagemaker, scikit-learn, Transformers (HuggingFace).
• Głęboka wiedza i zrozumienie teoretycznych podstaw współczesnego uczenia maszynowego, w szczególności głębokich sieci neuronowych, NLP/LLM (najlepiej) lub wizji komputerowej.
• Bash i Linux/Unix (np. AWS CLI, Docker, skrypty lub podobne).
• Usługi w chmurze (np. IAM, EC2, S3, RDS, Redshift, Sagemaker, Athena, Lambda lub GCP i alternatywy Azure).
• Obliczenia równoległe (przetwarzanie wieloprocesorowe, asynchronizacja, procesory graficzne, fragmentowanie modelu).
• Narzędzia do analizy i wizualizacji danych, takie jak pandy, s. 23lotly, matplotlib, seaborn lub streamlit.
• Postawa gracza zespołowego i umiejętności jasnej komunikacji.
• Wysoki poziom samoorganizacji.
• Biegła znajomość języka angielskiego w mowie i piśmie.

CO JEST PREFEROWANE

• Tytuł licencjata lub wyższy w dziedzinie STEM (nauki ścisłe, technologia, inżynieria, matematyka) lub pokrewnym pole.
• Praktyczne doświadczenie z technologiami przechowywania i przetwarzania danych (np. relacyjnymi/nierelacyjnymi bazami danych, hurtowniami, rozwiązaniami do przechowywania w chmurze i różnymi silnikami przetwarzania).
• Praktyczne doświadczenie w obsłudze modeli uczenia maszynowego na dużą skalę (miliony żądań dziennie).
• Praktyczne doświadczenie z Kubernetesem i mikrousługami.
• Praktyczne doświadczenie z narzędziami Infrastructure as Code.
• Znajomość podstaw Inżynierii Danych (np. SQL i NoSQL, strumieniowanie danych, Apache Spark, Snowflake).
• CI/CD (np. GitHub Actions, AWS CodePipeline lub podobne).
• Kubernetes (np. Deployment, StatefulSet, Ingress, Helm lub podobne, REST API).
• Stos MLOps (np. Neptune.ai, Sagemaker lub podobny jak MLFlow, Kubeflow, Flyte). 
• Frameworki IaaC (Terraform, CloudFormation, Pulumi).
• Nowoczesne frameworki do serwowania modeli (torchserve, NVIDIA Triton czy Seldon).
• Znajomość zwinnego programowania i zasad Lean.

Inżynier ML będzie miał okazję przekształcić artefakty uczenia maszynowego w systemy produkcyjne, uczestniczyć we wdrażaniu najnowocześniejszych praktyk MLOps oraz doskonalić umiejętności w zakresie NLP, generatywnej sztucznej inteligencji, dużych -skalowalne przetwarzanie danych i wyszukiwanie informacji.

Idealny kandydat to entuzjasta technologii edukacyjnych z doświadczeniem w tworzeniu oprogramowania i zestawem umiejętności łączących infrastrukturę chmury, uczenie maszynowe i kodowanie w języku Python.

Jako członek zespołu Machine Learning Infra inżynier ML będzie ściśle współpracował z innymi rolami AI w zespołach AI Services (inżynierowie MLOps, badacze danych, analitycy AI, specjaliści ds. operacji AI ) przy projektach wewnętrznych, opracowywać modułowe rozwiązania MLOps w oparciu o to, co zapewniają zespoły Data Engineering i Automation, oraz współpracować z innymi zespołami ML spoza działu, aby wspierać wdrażanie technologii.

Ponadto zespół ML Infra pełni podwójną rolę: jest właścicielem platformy MLOps używanej przez wszystkich praktyków ML w Brainly i pełni funkcję szkieletu inżynieryjnego dla projektów AI Services.

Czy masz motywację do szybkiego uczenia się i rozwoju w wymaganych obszarach, aby odnieść sukces w pracy? Czy pasjonujesz się automatyzacją przepływów pracy? Kierujesz się kulturą DevOps i wysokimi standardami oprogramowania? Czy bierzesz odpowiedzialność za problemy/wyzwania od początku do końca? Czy masz pozytywne nastawienie i chęć podejmowania wyzwań i złożonych problemów? Jeśli odpowiedziałeś twierdząco na te pytania, być może jesteś idealnym kandydatem na to stanowisko! 

, [Przekształć artefakty uczenia maszynowego w systemy i usługi produkcyjne. , Wdrażaj narzędzia i struktury, które pomogą badaczom danych (lub innym interesariuszom) pracować wydajniej, upraszczając obszary takie jak uczenie i ocena modeli, adnotacja danych i przetwarzanie., Przetwarzaj duże zbiory danych — zarówno w ramach przygotowanych i dobrze zorganizowanych potoków danych, jak i w trybie szybkim i brudnym — w celu szybkiego eksperymentowania. , Zintegruj rozwiązania ML w ramach większych systemów (inne funkcje produktu lub procesy biznesowe). , Kieruj innowacjami i weryfikuj możliwości AI w całej firmie w oparciu o najnowocześniejsze usługi i modele Computer Vision, NLP oraz nowoczesne usługi i modele LLM. , Badaj i bądź na bieżąco z najnowszymi osiągnięciami technologii AI (zarówno modelami/algorytmami, jak i narzędziami/bibliotekami/SaaS/API). , Twórz, wdrażaj, automatyzuj, utrzymuj i zarządzaj całym cyklem życia modelu rozwiązań do analizy danych opracowanych w dziale usług AI. , Zapewnij możliwości inżynieryjne naszym wewnętrznym projektom. , Działaj jako konsultant i odpowiadaj za wdrażanie i utrzymanie rozwiązań opartych na uczeniu maszynowym w obszarach produkcyjnych, które nie mają przydzielonego dedykowanego zespołu AI (np. Zaufanie i bezpieczeństwo, moderowanie treści lub eksperymentalne funkcje produktu). , Ściśle współpracuj z zespołami produkcyjnymi w celu integracji i ułatwienia przyjęcia narzędzi i standardowych rozwiązań opracowanych przez zespół ds. infrastruktury ML]

Wymagania: Python, NLP, głębokie uczenie się, transformatory, TensorFlow, PyTorch, Docker, Cloud Computing, Kubernetes, CI/CD, LLM
Dodatkowo: Abonament sportowy, Budżet szkoleniowy, Prywatna opieka zdrowotna, Pakiet opieki stomatologicznej, Opcje na akcje, AskHenry, Infolinia zdrowia psychicznego .