Ametikohast
MLOps-insenerina ühendad andmeteaduse ja IT-käituse.
Roll keskendub töökindla ja skaleeritava taristu loomisele ML-mudelite treenimiseks, juurutamiseks ja seireks.
Teed tihedat koostööd andmeteadlaste ja DevOps-meeskondadega, et muuta ML-elutsükkel sujuvamaks.
Peamised ülesanded
- ML-treeningu ja järeldamise (inference) töövoogude kavandamine ja teostamine
- Mudelite versioonihalduse ja eksperimentide jälgimise süsteemide loomine ja hooldamine
- Mudelite juurutamine tootmiskeskkonda koos seire ja hoiatustega
- Mudelite jõudluse ja ressursikasutuse optimeerimine
- ML-töövoogude ja mudelite juurutamise CI/CD automatiseerimine
Esimesed 90 päeva
- Mõistad praegust ML-taristut ja leiad parendusvõimalused
- Juurutad tootmismudelitele seire ja hoiatused
- Kehtestad MLOps-i parimad praktikad ja dokumentatsiooni
Oodatav tulemus: 90 päeva möödudes haldad ML-taristut ja veod mudelite juurutamise tõhususe parendamist.
Väljakutsed
- Erinevate ressursivajadustega ML-töökoormuste haldamine
- Mudelite töökindluse ja jõudluse tagamine tootmiskeskkonnas
- Kiiresti arenevate MLOps-i tööriistade ja praktikatega kursis püsimine
Nõuded
- Vähemalt 3-aastane kogemus DevOps-i, taristu või ML-tehnika alal
- Head teadmised Dockerist, Kubernetesest ja pilveplatvormidest
- Kogemus ML-raamistike ja mudelite serveerimisega (MLflow, Kubeflow, TensorFlow Serving)
- Pythoni programmeerimise ja infrastructure-as-code tööriistade oskus
- ML-mudelite elutsükli ja seire mõistmine
See roll ei hõlma
- ML-mudelite loomist nullist (tugiroll andmeteadlastele)
- Lõppkasutajate tuge
- Riistvara hooldust
Mida pakume
- Tööd tipptasemel MLOps-tehnoloogiatega
- Eelarvet pilve- ja ML-sertifikaatideks
- Paindlikke kaugtöö võimalusi
- Koostööle suunatud insenerikultuuri
Meist
Arendame tehnoloogilisi lahendusi, keskendudes kvaliteedile, koostööle ja jätkusuutlikule kasvule. Meie töökultuur põhineb professionaalsusel, usaldusel ja avatusel kõigil tasanditel.