Tehtävän kuvaus
MLOps-insinöörinä toimit siltana datatieteen ja operatiivisen toiminnan välillä.
Tehtävän painopiste on vankan ja skaalautuvan infrastruktuurin rakentamisessa ML-mallien koulutukseen, käyttöönottoon ja valvontaan.
Työskentelet tiiviisti data scientistien ja DevOps-tiimien kanssa ML-elinkaaren sujuvoittamiseksi.
Keskeiset vastuualueet
- ML-koulutus- ja inferenssiputkien suunnittelu ja toteutus
- Mallien versionhallinta- ja kokeiden seurantajärjestelmien rakentaminen ja ylläpito
- Mallien käyttöönotto tuotantoon valvonnan ja hälytysten kanssa
- Mallien suorituskyvyn ja resurssien käytön optimointi
- ML-työnkulkujen ja mallien käyttöönoton CI/CD:n automatisointi
Ensimmäiset 90 päivää
- Perehdyt nykyiseen ML-infrastruktuuriin ja tunnistat kehityskohteet
- Otat käyttöön tuotantomallien valvonnan ja hälytykset
- Vakiinnutat MLOpsin parhaat käytännöt ja dokumentaation
Odotettu tulos: 90 päivän jälkeen vastaat ML-infrastruktuurista ja tehostat mallien käyttöönottoa.
Haasteet
- Monenlaisten, resurssitarpeiltaan vaihtelevien ML-kuormien hallinta
- Mallien luotettavuuden ja suorituskyvyn varmistaminen tuotannossa
- Nopeasti kehittyvien MLOps-työkalujen ja -käytäntöjen seuraaminen
Vaatimukset
- Vähintään 3 vuoden kokemus DevOpsista, infrastruktuurista tai ML-insinöörityöstä
- Vahva Docker-, Kubernetes- ja pilvialustaosaaminen
- Kokemus ML-kehyksistä ja mallien tarjoilusta (MLflow, Kubeflow, TensorFlow Serving)
- Python-ohjelmointitaidot ja infrastructure-as-code-työkalujen osaaminen
- ML-mallien elinkaaren ja valvonnan ymmärrys
Tehtävään ei kuulu
- ML-mallien rakentaminen alusta (tukirooli data scientisteille)
- Loppukäyttäjätuki
- Laitteistohuolto
Mitä tarjoamme
- Työskentelyä uusimpien MLOps-teknologioiden parissa
- Budjetti pilvi- ja ML-sertifiointeihin
- Joustavat etätyömahdollisuudet
- Yhteisöllinen insinöörikulttuuri
Tietoa meistä
Kehitämme teknologiaratkaisuja painottaen laatua, yhteistyötä ja kestävää kasvua. Työkulttuurimme perustuu ammattimaisuuteen, luottamukseen ja avoimuuteen kaikilla tasoilla.