Про роль
Як MLOps-інженер, ви поєднуватимете data science та експлуатацію.
Роль зосереджена на побудові надійної, масштабованої інфраструктури для навчання, розгортання та моніторингу ML-моделей.
Ви тісно співпрацюватимете з data scientists і DevOps-командами, щоб оптимізувати життєвий цикл ML.
Основні обов’язки
- Проєктувати та впроваджувати конвеєри навчання й інференсу ML
- Створювати та підтримувати системи версіонування моделей і відстеження експериментів
- Розгортати моделі в продакшн із моніторингом і сповіщеннями
- Оптимізувати продуктивність моделей і використання ресурсів
- Автоматизувати ML-процеси та CI/CD для розгортання моделей
Перші 90 днів
- Розібратися в поточній ML-інфраструктурі та визначити напрями покращень
- Впровадити моніторинг і сповіщення для моделей у продакшні
- Запровадити найкращі практики MLOps і документацію
Очікуваний результат: через 90 днів ви керуватимете ML-інфраструктурою та підвищуватимете ефективність розгортання моделей.
Виклики
- Керування різноманітними ML-навантаженнями з різними вимогами до ресурсів
- Забезпечення надійності та продуктивності моделей у продакшні
- Встигати за швидким розвитком інструментів і практик MLOps
Вимоги
- Досвід у DevOps, інфраструктурі або ML-інженерії від 3 років
- Глибокі знання Docker, Kubernetes і хмарних платформ
- Досвід роботи з ML-фреймворками та сервінгом моделей (MLflow, Kubeflow, TensorFlow Serving)
- Навички програмування на Python та інструментів infrastructure-as-code
- Розуміння життєвого циклу та моніторингу ML-моделей
Ця роль не передбачає
- Створення ML-моделей з нуля (роль підтримки для data scientists)
- Підтримки кінцевих користувачів
- Обслуговування обладнання
Що ми пропонуємо
- Роботу з передовими MLOps-технологіями
- Бюджет на хмарні та ML-сертифікації
- Гнучкі умови віддаленої роботи
- Інженерну культуру співпраці
Про нас
Ми розробляємо технологічні рішення з чітким фокусом на якості, співпраці та сталому розвитку. Наша робоча культура побудована на професіоналізмі, довірі та відкритості на всіх рівнях.