Starszy inżynier MLOps w Kultprosvet

Hej! Jesteśmy Kultprosvet — zespół programistów oprogramowania internetowego i mobilnego, któremu zależy.

Teraz się rozwijamy i witamy utalentowanego starszego inżyniera MLOps Engineer, który dołączy do naszego zespołu. Odegrasz kluczową rolę w projektowaniu, budowaniu i wdrażaniu własnych modeli uczenia maszynowego w celu sprostania różnym wyzwaniom związanym z opieką zdrowotną. Poszukujemy osób biegłych w tworzeniu wyrafinowanych architektur ML/Ops, które uwzględniają złożone reguły biznesowe i przepływy pracy, przyczyniając się do naszej misji dzięki dobrze zaprojektowanym, wydajnym rozwiązaniom.

Wymagania :

- Ponad 6 lat doświadczenia w branży, w tym tworzenie oprogramowania w zakresie uczenia maszynowego, głębokiego uczenia się, infrastruktury ML oraz pracy z dużymi zbiorami i systemami danych;

- Doświadczenie w pracy z usługami przetwarzania w chmurze AWS, wykorzystując ich możliwości do wydajnych wdrożeń uczenia maszynowego;

- Biegłość w Pythonie, językach programowania SQL;

- Biegłość w tworzeniu Restful API, w szczególności z frameworkami takimi jak FastAPI;

- Znajomość technologii konteneryzacji, w tym Docker, Kubernetes lub AWS ECS, aby ułatwić łatwe wdrażanie i zarządzanie aplikacjami ML;

- Doświadczenie w inżynierii danych i Data Pipelines jest koniecznością w przypadku technologii takich jak (Airflow, MWAA, Mage, Ray itp.);

– Umiejętność poruszania się i omawiania różnych opcji CI/CD, eksperymentowania i szkolenia modelowego w infrastrukturze chmury AWS;

– Dobra znajomość kompleksowo wdrożonych usług uczenia maszynowego i potoki, w tym testowanie, monitorowanie i rozwiązywanie problemów, takich jak dryf modelu i pokrycie;

- Znajomość systemów kontroli wersji, takich jak Git, w celu skutecznego zarządzania repozytoriami kodu i współpracy z członkami zespołu;

- Umiejętność wdrażania potoków Terraform lub Cloudformation oraz wcześniejsze doświadczenie w pracy z narzędziami typu infrastruktura jako kod;

- Doświadczenie w skalowaniu i wdrażaniu systemów rekomendacyjnych, zapewniających ich efektywne działanie i wydajność;

- Dzięki tym kwalifikacjom będziesz mógł skutecznie wspierać nasz zespół, projektując, wdrażając i skalując rozwiązania do uczenia maszynowego przy użyciu platform chmurowych, automatyzacji i najlepszych praktyk ML/Ops;

- Doskonałe umiejętności komunikacji w języku angielskim w mowie i piśmie .

Zadania:

- Współpraca z analitykami danych w celu zrozumienia przypadków użycia i zaprojektowania systemu wdrażania, który najlepiej odpowiada ich potrzebom modele uczenia maszynowego;

- Ścisła współpraca z platformą i zespołami ds. operacji danych w celu ustanowienia procesów ciągłej integracji i ciągłego wdrażania (CI/CD) dla zespołu zajmującego się analizą danych i uczeniem maszynowym;

- Rozważ optymalizację kosztów i wdrożenie technik automatyzacji, aby zminimalizować wydatki, tam gdzie to konieczne;

- Zapewnij szkolenia i opiekę mentorską dla analityków danych w zakresie najlepszych praktyk wdrażania i technik szkolenia modeli;

- Rozwijaj i utrzymuj zautomatyzowane Potoki uczenia maszynowego umożliwiające efektywne szkolenie, testowanie i wdrażanie modeli;

- Współpraca z oprogramowaniemre-inżynierowie i zespoły DevOps, aby zapewnić bezproblemową integrację modeli ML z systemami produkcyjnymi;

- Upraszczanie procesów inżynierii funkcji, zapewnianie spójności danych podczas uczenia modeli i udostępnianie poprzez zintegrowane magazyny funkcji;

- Skaluj i wdrażaj infrastrukturę w celu obsługi scenariuszy wnioskowania w trybie wsadowym i w czasie rzeczywistym;

- Identyfikuj, dokumentuj, automatyzuj i konstruuj procesy dla powtarzalnych zadań;

- Będziesz uczestniczyć w inżynierii ceremonii Scrum i przejmij inicjatywę w celu opracowania architektury produktu ML/Ops.

Co oferujemy:

- Ambitne zadania i projekty rozwoju zawodowego;

- Przyjazna przestrzeń pracy zespołowej i zdrowe środowisko;

- Konkurencyjne wynagrodzenie;

- Płatne urlopy i zwolnienia lekarskie;

- Pakiet socjalny (w tym ubezpieczenie medyczne itp.).

Lokalizacja: Dnipro (biuro lub na odległość).