Средний/старший инженер ML (LLM) в Brainly Sp. z o.o.

Инженер по машинному обучению получит возможность превращать артефакты машинного обучения в производственные системы, участвовать во внедрении новейших практик MLOps и совершенствовать навыки в области НЛП, компьютерного зрения, генеративного искусственного интеллекта, крупномасштабной обработки данных, и поиск информации.

Идеальный кандидат — энтузиаст образовательных технологий с опытом разработки программного обеспечения и набором навыков, сочетающим облачную инфраструктуру, машинное обучение и программирование на Python.

В составе  команды Machine Learning Infra инженер ML будет тесно сотрудничать с другими должностями в области ИИ в группах AI Services (инженерами MLOps, специалистами по данным, аналитиками ИИ, специалистами по операциям ИИ). ) над внутренними проектами, разрабатывайте модульные решения MLOps на основе того, что предоставляют команды обработки данных и автоматизации, и сотрудничайте с другими командами ML за пределами отдела для поддержки внедрения технологий.

Кроме того, команда ML Infra выполняет двойную роль: она владеет платформой MLOps, используемой всеми специалистами по ML в Brainly, и выступает в качестве инженерной основы для проектов AI Services.

Есть ли у вас мотивация быстро учиться и расти в необходимых областях, чтобы добиться успеха в работе? Вы увлечены автоматизацией рабочих процессов? Следуете ли вы культуре DevOps и стандартам высококачественного программного обеспечения? Берете ли вы на себя ответственность за решение проблем/задач от начала до конца? Есть ли у вас позитивный настрой и готовность решать задачи и сложные проблемы? Если вы ответили утвердительно на эти вопросы, возможно, вы — идеальный кандидат на эту роль! 

ЧТО ТРЕБУЕТСЯ

• 3+ года опыта работы с моделями глубокого обучения в производстве или аналогичная отраслевая карьера в области машинного обучения, интеллектуального анализа данных или статистического моделирования.
• Опыт работы от 1 года с моделями глубокого обучения для НЛП, языковыми моделями или текстовой аналитикой в ​​производстве.
• Практический опыт работы с современными облачными вычислениями на AWS (предпочтительно) или Azure, GCP и сервисами для хранения, обработки данных, бессерверных сред, сред исследований и разработок, а также сред исследований и разработок машинного обучения.
• Опыт разработки конвейеров машинного обучения для разработки функций, обучения, оценки и пакетного вывода.
• Опыт развертывания моделей машинного обучения в производстве, мониторинга в реальном времени и управления жизненным циклом моделей (например, маркировка, переобучение).
• Хорошие навыки программирования на Python, в частности, с целью обучения и развертывания моделей и связанных библиотек (например, numpy, Boto3, FastAPI, PyTorch, Pandas, Poetry или аналогичных).
• Платформы машинного обучения, такие как: Tensorflow или PyTorch, AWS Sagemaker, scikit-learn, Transformers (HuggingFace).
• Глубокие знания и понимание теоретических основ современного машинного обучения, в частности глубоких нейронных сетей, либо НЛП/LLM (предпочтительно), либо компьютерного зрения.
• Bash и Linux/Unix (например, AWS CLI, Docker, сценарии и т. д.).
• Облачные сервисы (например, IAM, EC2, S3, RDS, Redshift, Sagemaker, Athena, Lambda или альтернативы GCP и Azure).
• Параллельные вычисления (многопроцессорные, асинхронные, графические процессоры, сегментирование модели).
• Инструменты анализа и визуализации данных, такие как pandas,plotly,matplotlib, seaborn илиstreamlit.
• Командный подход и четкие коммуникативные навыки.
• Высокий уровень самоорганизации.
• Свободно владею английским языком, как письменным, так и устным.

ЧТО ПРЕДПОЧИТАЕТСЯ

• Степень бакалавра или выше в области STEM (наука, технология, инженерия, математика) или аналогичная область.
• Практический опыт работы с технологиями хранения и обработки данных (например, реляционными/нереляционными базами данных, хранилищами, решениями для облачного хранения и различными механизмами обработки).
• Практический опыт крупномасштабного обслуживания моделей ML (миллионы запросов в день).
• Практический опыт работы с моделями и алгоритмами компьютерного зрения.
• Практический опыт работы с Kubernetes и микросервисами.
• Практический опыт работы с инструментами «Инфраструктура как код».
• Знакомство с основами инженерии данных (например, SQL и NoSQL, потоковая передача данных, Apache Spark, Snowflake).
• CI/CD (например, GitHub Actions, AWS CodePipeline или аналогичный).
• Kubernetes (например, Deployment, StatefulSet, Ingress, Helm или аналогичные, REST API).
• Стек MLOps (например, Neptune.ai, Sagemaker или аналогичный, например MLFlow, Kubeflow, Flyte).
• Среды IaaC (Terraform, CloudFormation, Pulumi).
• Современные платформы обслуживания моделей (torchserve, NVIDIA Triton или Seldon).
• Знаком с принципами гибкой разработки и бережливого производства.

Инженер ML получит возможность превращать артефакты машинного обучения в производственные системы, участвовать во внедрении новейших практик MLOps и совершенствовать навыки в области НЛП, компьютерного зрения, генеративного управления. Искусственный интеллект, крупномасштабная обработка данных и поиск информации.

Идеальный кандидат — энтузиаст образовательных технологий с опытом разработки программного обеспечения и набором навыков, сочетающим облачную инфраструктуру, машинное обучение и программирование на Python.

В составе  команды Machine Learning Infra инженер ML будет тесно сотрудничать с другими должностями в области ИИ в группах AI Services (инженерами MLOps, специалистами по данным, аналитиками ИИ, специалистами по операциям ИИ). ) над внутренними проектами, разрабатывайте модульные решения MLOps на основе того, что предоставляют команды обработки данных и автоматизации, и сотрудничайте с другими командами ML за пределами отдела для поддержки внедрения технологий.

Кроме того, команда ML Infra выполняет двойную роль: она владеет платформой MLOps, используемой всеми специалистами по ML в Brainly, и выступает в качестве инженерной основы для проектов AI Services.

Есть ли у вас мотивация быстро учиться и расти в необходимых областях, чтобы добиться успеха в работе? Вы увлечены автоматизацией рабочих процессов? Следуете ли вы культуре DevOps и стандартам высококачественного программного обеспечения? Берете ли вы на себя ответственность за решение проблем/задач от начала до конца? Есть ли у вас позитивный настрой и готовность решать задачи и сложные проблемы? Если вы ответили утвердительно на эти вопросы, возможно, вы — идеальный кандидат на эту роль! 

,[Превратите артефакты машинного обучения в производственные системы и сервисы. Внедряйте инструменты и платформы, которые помогают специалистам по данным (или другим заинтересованным сторонам) работать более эффективно,упрощение таких областей, как обучение и оценка моделей, аннотирование и обработка данных. Обработка больших наборов данных — как в рамках подготовленных и хорошо организованных конвейеров данных, так и в быстром и «грязном» режиме — для быстрого экспериментирования. Интеграция решений ML в более крупные системы (другие функции продукта или бизнес-процессы). Руководить инновациями и проверять возможности искусственного интеллекта в масштабах всей компании на основе самых современных компьютерного зрения, НЛП, а также современных услуг и моделей LLM. Исследовать и быть в курсе последних достижений. в технологии искусственного интеллекта (как модели/алгоритмы, так и инструменты/библиотеки/SaaS/API). Создавать, развертывать, автоматизировать, поддерживать и управлять всем жизненным циклом моделей решений для обработки данных, разработанных в отделе AI Services. Предоставлять инженерные возможности. в наших внутренних исследовательских проектах. Выступать в качестве консультанта и отвечать за внедрение и поддержку решений на основе машинного обучения в производственных областях, где нет выделенной команды искусственного интеллекта (например, доверие и безопасность, модерация контента или экспериментальные функции продукта)., Работать тесно с производственными группами для интеграции и облегчения внедрения инструментов и стандартизированных решений, разработанных командой инфраструктуры ML.] Вимоги: Python, NLP, глубокое обучение, трансформаторы, AWS, TensorFlow, PyTorch, AWS SageMaker, Docker, Redshift, EC2, Компьютерное зрение, Kubernetes, CI/CD. Бонусы и переваги: ​​подписка на спорт, бюджет на обучение, частное здравоохранение, пакет стоматологической помощи, опционы на акции, AskHenry, горячая линия по психическому здоровью.