Старший/главный архитектор систем машинного обучения (TensorFlow + Python) в ИК Актуальная Механика, ООО

Обзор 

Мы ищем очень опытного архитектора систем машинного обучения для разработки и реализации масштабируемой архитектуры промышленного уровня для нашего решателя машинного обучения. Эта роль объединяет исследовательские прототипы и коммерческое внедрение, обеспечивая надежность, удобство обслуживания и производительность в смешанном стеке технологий. 

Обязанности 

• Разработка платформы ML Solver: 

• Определить модульную архитектуру для данных предварительная обработка, выполнение модели и постобработка. 

• Установите четкие контракты API между сервисами Python/TensorFlow и C#. 

• Производство рабочих процессов машинного обучения: 

• Преобразуйте исследовательский код в надежные, тестируемые и наблюдаемые сервисы. 

• Внедряйте конвейеры CI/CD, автоматическое тестирование и стандарты воспроизводимости. 

• Интеграция и взаимодействие: 

• Разрабатывайте конечные точки REST/gRPC для межъязыкового общения. 

• Обеспечить совместимость со службами C#/.NET. 

• Производительность и масштабируемость: 

• Оптимизация использования GPU/CPU , стратегий пакетной обработки и управления памятью. 

• Планируйте сценарии с несколькими моделями и несколькими арендаторами. 

• MLOps и управление жизненным циклом: 

• Реализовать управление версиями модели, реестры артефактов и рабочие процессы развертывания. 

• Настройте мониторинг, ведение журнала и оповещения для производительности решателя. 

• Безопасность и соответствие требованиям: 

• Применяйте лучшие практики для управления секретами, сканирования зависимостей и безопасного хранения артефактов. 

Требуемые навыки и опыт 

• Среды машинного обучения: эксперт в TensorFlow (TF2/Keras), опыт работы со средой выполнения ONNX для получения логических выводов. 

• Программирование: продвинутый уровень Python для машинного обучения; глубокое понимание упаковки, проверки типов и профилирования производительности. 

• Архитектура: проверенный опыт разработки масштабируемых систем машинного обучения для производства. 

• API: знание gRPC/Protobuf и REST для межъязыковой интеграции. 

• MLOps: конвейеры CI/CD, контейнеризация (Docker/Kubernetes), реестры моделей, воспроизводимость. 

• Оптимизация производительности: ускорение графического процессора (CUDA/cuDNN), смешанная точность, XLA, профилирование. 

• Наблюдаемость: метрики, трассировка, структурированное ведение журналов, информационные панели. 

• Безопасность: SBOM, подписание изображений, доступ на основе ролей, сканирование уязвимостей. 

Предпочитаемые требования 

• Опыт работы с ONNX Runtime Training, PyTorch или гибридными архитектурами машинного обучения. 

• Знакомство со стратегиями распределенного обучения и настройками нескольких графических процессоров. 

• Знание хранилищ функций и сред проверки данных. 

• Воздействие регулируемой среды и систем соответствия. 

Инструменты и технологии 

• ML: TensorFlow, среда выполнения ONNX, tf2onnx. 

• API: FastAPI, gRPC. 

• DevOps: GitLab CI/GitHub Actions, Docker, Kubernetes. 

• Мониторинг: Prometheus, Grafana, OpenTelemetry. 

• Безопасность: HashiCorp Vault, Sigstore. 

Зачем присоединяться к нам? 

• Работа над передовыми решениями машинного обучения, интегрированными в коммерческое инженерное программное обеспечение. 

• Определить архитектуру, которая масштабируется при глобальном развертывании. 

• Сотрудничайте с командой экспертов в области машинного обучения, разработки программного обеспечения и разработки пользовательского интерфейса. 

Местоположение: удаленно для UA или на месте для Великобритании Тип занятости: полный рабочий день Уровень: старший/директор 

Публикация Фрагмент 

Мы нанимаем старшего системного архитектора машинного обучения, который возглавит разработку нашего решателя на основе TensorFlow для коммерческих приложений. Вы определите масштабируемую архитектуру, обеспечите производственную готовность и интегрируете машинное обучение со службами C#. Должен иметь глубокие знания в TensorFlow, Python и MLOps. Подайте заявку прямо сейчас, чтобы сформировать будущее машинного обучения в инженерном программном обеспечении.