Інженер ML (NLP та LLMs) в Brainly Sp. z o.o.

Інженер ML матиме можливість перетворити артефакти машинного навчання на продуктивні системи, взяти участь у впровадженні найсучасніших практик MLOps і вдосконалити навички в NLP, Generative AI, великомасштабній обробці даних і пошуку інформації .

Ідеальний кандидат — це ентузіаст освітніх технологій із досвідом розробки програмного забезпечення та набором навичок, які поєднують хмарну інфраструктуру, машинне навчання та кодування на Python.

Будучи частиною команди Machine Learning Infra , ML Engineer тісно співпрацюватиме з іншими особами, які займаються штучним інтелектом у групах служб штучного інтелекту (інженери MLOps, спеціалісти з обробки даних, аналітики штучного інтелекту, спеціалісти з операцій штучного інтелекту ) у внутрішніх проектах, розробляти модульні рішення MLOps на додаток до того, що надають команди Data Engineering і Automation, і співпрацювати з іншими командами ML за межами відділу для підтримки впровадження технологій.

Крім того, команда ML Infra виконує подвійну роль: вона володіє платформою MLOps, якою користуються всі практики ML у Brainly, і виступає в якості інженерної основи для проектів AI Services.

Чи мотивовані ви швидко вчитися та розвиватися в необхідних сферах, щоб досягти успіху в роботі? Вам подобається автоматизація робочих процесів? Чи дотримуєтесь ви культури DevOps і стандартів високоякісного програмного забезпечення? Чи берете ви на себе відповідальність за проблеми/виклики від початку до кінця? Чи маєте ви позитивне ставлення та готовність вирішувати виклики та складні проблеми? Якщо ви відповіли ствердно на ці запитання, можливо, ви станете ідеальним кандидатом на цю роль! 

ЩО НЕОБХІДНО

• 3+ роки досвіду роботи з моделями глибокого навчання у виробництві або порівнянна кар’єра в галузі машинного навчання чи даних видобуток корисних копалин.
• Понад рік досвіду роботи з моделями глибокого навчання для NLP, мовних моделей або текстової аналітики у виробництві .
• Практичний досвід роботи з сучасними хмарними обчисленнями або AWS (бажано), або Azure, GCP, а також послуги для зберігання, обробки даних, безсерверного середовища, R&D і ML R&D середовища.
• Досвід створення конвеєрів ML для розробки функцій, навчання, оцінювання та визначення пакетів.
• Досвід розгортання моделей ML у виробництві, моніторингу в реальному часі та керування життєвим циклом моделей (наприклад, маркування, перенавчання).
• Сильні навички кодування на Python, зокрема з метою навчання та розгортання моделей, а також пов’язаних бібліотек (наприклад, numpy, Boto3, FastAPI, PyTorch, Pandas, Poetry тощо).
• Фреймворки машинного навчання, такі як Tensorflow або PyTorch, AWS Sagemaker, scikit-learn, Transformers (HuggingFace).
• Глибокі знання та розуміння теоретичних основ сучасного машинного навчання, зокрема глибоких нейронних мереж, NLP/LLM (бажано) або комп’ютерного зору.
• Bash і Linux/Unix (наприклад, AWS CLI, Docker, сценарії тощо).
• Хмарні служби (наприклад, IAM, EC2, S3, RDS, Redshift, Sagemaker, Athena, Lambda або альтернативи GCP і Azure).
• Паралельні обчислення (багатопроцесорні, асинхронні, графічні процесори, сегментування моделі).
• Інструменти аналізу даних і візуалізації, такі як pandas,plotly, matplotlib, seaborn або streamlit.
• Ставлення до командного гравця та чіткі комунікативні навички.
• Високий рівень самоорганізації.
• Вільно володію англійською мовою, письмово та усно.

ЩО ПЕРЕВАЖАЄТЬСЯ

• Ступінь бакалавра або вище в галузі STEM (наука, технології, інженерія, математика) або подібний поле.
• Практичний досвід роботи з технологіями зберігання та обробки даних (наприклад, реляційними/нереляційними базами даних, сховищами, рішеннями для зберігання даних у хмарі та різними механізмами обробки).
• Практичний досвід роботи з широкомасштабним обслуговуванням моделей ML (мільйони запитів на день).
• Практичний досвід роботи з Kubernetes і мікросервісами.
• Практичний досвід роботи з інструментами «Інфраструктура як код».
• Знайомство з основами інженерії даних (наприклад, SQL і NoSQL, потокове передавання даних, Apache Spark, Snowflake).
• CI/CD (наприклад, GitHub Actions, AWS CodePipeline або подібні).
• Kubernetes (наприклад, Deployment, StatefulSet, Ingress, Helm або подібні, REST API).
• Стек MLOps (наприклад, Neptune.ai, Sagemaker або подібний, як-от MLFlow, Kubeflow, Flyte). 
• Фреймворки IaaC (Terraform, CloudFormation, Pulumi).
• Сучасні модельні фреймворки (torchserve, NVIDIA Triton або Seldon).
• Знайомі з принципами гнучкої розробки та економії.

Інженер ML матиме можливість перетворювати артефакти машинного навчання на продуктивні системи, брати участь у впровадженні найсучасніших практик MLOps і вдосконалювати навички з NLP, Generative AI, великих - масштабна обробка даних та пошук інформації.

Ідеальний кандидат — це ентузіаст освітніх технологій із досвідом розробки програмного забезпечення та набором навичок, які поєднують хмарну інфраструктуру, машинне навчання та кодування на Python.

Будучи частиною команди Machine Learning Infra , ML Engineer тісно співпрацюватиме з іншими особами, які займаються штучним інтелектом, у групах служб штучного інтелекту (інженери MLOps, дослідники даних, аналітики штучного інтелекту, спеціалісти з операцій штучного інтелекту ) у внутрішніх проектах, розробляти модульні рішення MLOps на додаток до того, що надають команди Data Engineering і Automation, і співпрацювати з іншими командами ML за межами відділу для підтримки впровадження технологій.

Крім того, команда ML Infra виконує подвійну роль: вона володіє платформою MLOps, якою користуються всі практики ML у Brainly, і виступає в якості інженерної основи для проектів AI Services.

Чи мотивовані ви швидко вчитися та розвиватися в необхідних сферах, щоб досягти успіху в роботі? Вам подобається автоматизація робочих процесів? Чи дотримуєтесь ви культури DevOps і стандартів високоякісного програмного забезпечення? Чи берете ви на себе відповідальність за проблеми/виклики від початку до кінця? Чи маєте ви позитивне ставлення та готовність вирішувати виклики та складні проблеми? Якщо ви відповіли ствердно на ці запитання, можливо, ви станете ідеальним кандидатом на цю роль! 

,[Перетворіть артефакти машинного навчання на продуктивні системи та служби. , Впроваджуйте інструменти та фреймворки, які допомагають спеціалістам із обробки даних (або іншим зацікавленим сторонам) працювати ефективніше, спрощуючи такі сфери, як навчання та оцінка моделі, анотація даних і обробкаg. , Обробляйте великі набори даних — як у підготовлених і добре організованих каналах даних, так і в швидкому та брудному режимі — заради швидкого експериментування. , Інтегруйте рішення ML у більші системи (інші функції продукту чи бізнес-процеси). , Проводити інновації та підтверджувати можливості штучного інтелекту для всієї компанії на основі найсучаснішого комп’ютерного зору, НЛП та сучасних послуг і моделей LLM. , Досліджуйте та будьте в курсі останніх досягнень у технології AI (як моделі/алгоритми, так і інструменти/бібліотеки/SaaS/API). , Створюйте, розгортайте, автоматизуйте, обслуговуйте та керуйте всім життєвим циклом моделі рішень для обробки даних, розроблених у відділі AI Services. , Надайте інженерні можливості нашим внутрішнім проектам. , Виступати в якості консультанта та володіти впровадженням і підтримкою рішень на основі машинного навчання у виробничих зонах, які не мають виділеної команди штучного інтелекту (наприклад, довіра та безпека, модерація вмісту або експериментальні функції продукту). , Тісно співпрацюйте з виробничими групами, щоб інтегрувати та полегшити впровадження інструментів і стандартизованих рішень, розроблених командою інфраструктури ML] Вимоги: Python, NLP, Deep learning, transformers, TensorFlow, PyTorch, Docker, Cloud computing, Kubernetes, CI/CD , LLM Бонуси та переваги: ​​абонемент на спорт, бюджет на навчання, приватне медичне обслуговування, пакет стоматологічної допомоги, опціони на акції, AskHenry, лінія довіри щодо психічного здоров’я.