(Fließend Ukrainisch) MLOps-Ingenieur in Outstaff Your Team

Wir suchen einen ehrgeizigen und kreativen MLOps-Ingenieur, der sich für KI begeistert, komplexe Herausforderungen liebt und bereit ist, innovative Lösungen im Bereich der künstlichen Intelligenz umzusetzen. Produkt: erstellt, um die Unterstützung (Textkommunikation) für gängige CRM-Systeme mithilfe von ML zu automatisieren. Das Produkt wird in Produktion gebracht. Das Team: Unser Team verfügt bereits über einen erfahrenen CEO und STO mit einem Hintergrund in Datenwissenschaft und maschinellem Lernen, Front-End- und Back-End-Entwicklern, einem Ingenieur für maschinelles Lernen, einem Marketingmanager und einem Designer Tun Sie Folgendes: Erstellen und unterstützen Sie die ML-Infrastruktur vorgefertigter Lösungen und Pipelines. Unterstützen Sie die Bereitstellung und Überwachung von ML-Modellen in der Produktion. Arbeiten Sie mit Datenwissenschaftlern und Software-Ingenieuren zusammen, um eine reibungslose Integration von ML-Modellen sicherzustellen ; Beseitigen Sie Probleme im Zusammenhang mit der Leistung und Bereitstellung von ML-Modellen; Aktualisieren Sie die Dokumentation und nutzen Sie die Projektstrategie, Brainstorming mit dem Team. Anforderungen: 1–1,5 Jahre kommerzielle Erfahrung in einer verwandten Rolle (z. B. ML-Ingenieur). , Dateningenieur, DevOps-Ingenieur);Praktische Erfahrung in der Bereitstellung und Unterstützung von ML-Modellen in der Produktion;Erfahrung mit Überwachungs- und Protokollierungstools (z. B. Prometheus, Grafana, ELK Stack);Erfahrung mit gängigen ML-Frameworks und Bibliotheken (z. B. TensorFlow, PyTorch, scikit-learn ); Starke Erfahrung mit Python; Erfahrung mit Skriptsprachen (z. B. Bash); Erfahrung mit einer der wichtigsten Cloud-Plattformen (z. B. AWS, Azure, Google Cloud); Grundlegendes Verständnis von MLOps-Praktiken und -Tools (z. B. MLflow, Kubeflow); Grundkenntnisse von CI/CD-Pipelines und -Tools (z. B. Jenkins, GitLab CI); Verständnis von Containerisierungstechnologien (z. B. Docker) und Orchestrierungstools (z. B. Kubernetes); Verständnis von ML-Cloud-Diensten (z. B. AWS SageMaker, Azure ML, Google AI Platform) ; Sichere Kenntnisse im Umgang mit Git und Verständnis für Verzweigungen, Zusammenführungen und Pull-Requests sind von Vorteil: Erfahrung mit verteilten Computer-Frameworks (z. B. Apache Spark); Vertrautheit mit automatisierten Test- und Qualitätssicherungspraktiken von ML; Modelle; Wissenskonzepte und Datenverarbeitungstools (z. B. ETL-Prozesse, Datenspeicherung); Vorteile: Wir bieten: Wettbewerbsfähige Vergütung in USD. Viele interessante Aufgaben und Kommunikation mit dem Team Bürokratie; Remote-Arbeit in der Ukraine oder anderswo in der näheren Zeitzone; Atmosphäre eines gemütlichen Startups mit Stabilität durch eine Holdinggesellschaft Zeig mehr Zeige weniger Positionsebene Oberstufe der Sekundarstufe Art der Anstellung VollzeitBerufliche Verantwortlichkeiten Maschinenbau Branchen Gemeinnützige Organisationen sowie Grund- und weiterführende Bildung