Om stillingen
Som MLOps-ingeniør bygger du bro mellom datavitenskap og drift.
Rollen handler om å bygge robust og skalerbar infrastruktur for trening, utrulling og overvåking av ML-modeller.
Du jobber tett med dataforskere og DevOps-team for å effektivisere hele ML-livssyklusen.
Hovedoppgaver
- Designe og implementere pipelines for trening og inferens av ML-modeller
- Bygge og vedlikeholde systemer for modellversjonering og eksperimentsporing
- Rulle ut modeller i produksjon med overvåking og varsling
- Optimalisere modellytelse og ressursbruk
- Automatisere ML-arbeidsflyter og CI/CD for utrulling av modeller
De første 90 dagene
- Sette deg inn i dagens ML-infrastruktur og finne forbedringsområder
- Innføre overvåking og varsling for modeller i produksjon
- Etablere beste praksis og dokumentasjon for MLOps
Forventet resultat: Etter 90 dager har du ansvaret for ML-infrastrukturen og driver forbedringer som gjør utrulling av modeller mer effektiv.
Utfordringer
- Håndtere varierte ML-arbeidslaster med ulike ressursbehov
- Sikre pålitelighet og ytelse for modeller i produksjon
- Holde tritt med MLOps-verktøy og praksis som utvikler seg raskt
Krav
- 3+ års erfaring med DevOps, infrastruktur eller ML engineering
- Solid kunnskap om Docker, Kubernetes og skyplattformer
- Erfaring med ML-rammeverk og modellservering (MLflow, Kubeflow, TensorFlow Serving)
- Programmeringsferdigheter i Python og verktøy for infrastructure as code
- Forståelse av livssyklus og overvåking for ML-modeller
Stillingen omfatter ikke
- Bygging av ML-modeller fra bunnen av (støtterolle for dataforskerne)
- Brukerstøtte
- Vedlikehold av maskinvare
Vi tilbyr
- Arbeid med de nyeste MLOps-teknologiene
- Budsjett for sky- og ML-sertifiseringer
- Fleksible ordninger for fjernarbeid
- En samarbeidsorientert ingeniørkultur
Om oss
Vi utvikler teknologiløsninger med sterkt fokus på kvalitet, samarbeid og bærekraftig vekst. Arbeidskulturen vår bygger på profesjonalitet, tillit og åpenhet på alle nivåer.