Om rollen
Som MLOps-ingenjör blir du länken mellan data science och drift.
Rollen fokuserar på att bygga robust och skalbar infrastruktur för att träna, driftsätta och övervaka ML-modeller.
Du arbetar nära data scientists och DevOps-team för att effektivisera ML-livscykeln.
Huvudsakliga arbetsuppgifter
- Designa och implementera flöden för träning och inferens
- Bygga och förvalta system för modellversionering och experimentspårning
- Driftsätta modeller i produktion med övervakning och larm
- Optimera modellernas prestanda och resursutnyttjande
- Automatisera ML-arbetsflöden och CI/CD för driftsättning av modeller
De första 90 dagarna
- Förstå nuvarande ML-infrastruktur och hitta förbättringsområden
- Införa övervakning och larm för modeller i produktion
- Etablera bästa praxis och dokumentation för MLOps
Förväntat resultat: Efter 90 dagar ansvarar du för ML-infrastrukturen och driver förbättringar som gör driftsättningen av modeller effektivare.
Utmaningar
- Att hantera varierade ML-arbetslaster med olika resursbehov
- Att säkerställa modellernas tillförlitlighet och prestanda i produktion
- Att hänga med i snabbt föränderliga MLOps-verktyg och arbetssätt
Krav
- Minst 3 års erfarenhet av DevOps, infrastruktur eller ML engineering
- Goda kunskaper i Docker, Kubernetes och molnplattformar
- Erfarenhet av ML-ramverk och model serving (MLflow, Kubeflow, TensorFlow Serving)
- Programmeringskunskaper i Python och verktyg för infrastructure-as-code
- Förståelse för ML-modellers livscykel och övervakning
Rollen omfattar inte
- Att bygga ML-modeller från grunden (rollen stöttar data scientists)
- Support till slutanvändare
- Hårdvaruunderhåll
Vi erbjuder
- Arbete med de senaste MLOps-teknikerna
- Budget för moln- och ML-certifieringar
- Flexibla möjligheter till distansarbete
- En samarbetsinriktad ingenjörskultur
Om oss
Vi utvecklar tekniklösningar med starkt fokus på kvalitet, samarbete och hållbar tillväxt. Vår arbetskultur bygger på professionalism, förtroende och öppenhet på alla nivåer.