Maschinenlerntechnik Associate in Oppizi

Wir suchen einen innovativen und leidenschaftlichen Ingenieur für maschinelles Lernen, der sich unserem schnelllebigen, dynamischen Team anschließt. Als Schlüsselmitglied unserer Technologieabteilung spielen Sie eine wichtige Rolle bei der Entwicklung, Bereitstellung und Optimierung von End-to-End-Modellen für maschinelles Lernen. Diese Rolle erfordert Expertise in MLOPS (maschinelles Lernen), Datenwissenschaft, Datenanalysen und die Fähigkeit, den gesamten Lebenszyklus des maschinellen Lernens zu bewältigen - von der Aufnahme von Daten bis zur Modellierung und darüber hinaus. Als Ingenieur für maschinelles Lernen bei Oppizi werden Sie die Gelegenheit dazu haben Zusammenarbeit mit funktionsübergreifenden Teams, einschließlich Software-Ingenieuren und Produktmanagern, liefert qualitativ hochwertige ML-Lösungen, die sich direkt auf die Geschäftsergebnisse auswirken. Sie sind auch dafür verantwortlich, sicherzustellen, dass unsere Modelle skalierbar, effizient und mit den Zielen des Unternehmens übereinstimmen. Verantwortlichkeiten für Keey: Modellentwicklung und Bereitstellung: Entwerfen, Implementieren und Bereitstellen von Modellen für maschinelles Lernen, die sich mit den Geschäftsanforderungen befassen, um eine hohe Verfügbarkeit und Leistung in hoher Verfügbarkeit zu gewährleisten, in Produktionsumgebungen MLOPS und Automatisierung: Wenden Sie MLOPS Best Practices an, um den ML -Lebenszyklus zu automatisieren, einschließlich Datenaufnahme, Schulungen und Bereitstellungen. Erstellen und pflegen Sie CI/CD -Pipelines für kontinuierliche Integration und Lieferleistung Überwachung und Optimierung: Überwachen Sie die bereitgestellten Modelle, um sicherzustellen Stakeholder, um ML -Lösungen zu entwickeln und zu kommunizieren. Wissenschaftler oder in einer ähnlichen Rolle MLOPS-Expertise: Nachgewiesene Erfahrung mit MLOPS-Tools und Frameworks (z. B. MLFlow, Kubeflow, TensorFlow Extended) Programmierfähigkeiten: Starke Kenntnisse in Python und Erfahrung mit Bibliotheken wie Pandas, Numpy und Scikit-Learn Cloud & Containerisierung : Praktische Erfahrungen mit Cloud-Plattformen wie AWS, Azure oder Google Cloud sowie mit Containerisierungstechnologien wie Docker und Kubernetes Data & API-Kenntnis : Fähigkeit, komplexe technische Konzepte sowohl technischer als auch nicht-technischer Stakeholdersnice zu erklären: Erfahrung mit Big Data Technologies (z. B. Hadoop, Spark) mit Deep-Lern-Frameworks (z. B. Tensorflow, Pytorch) Wissen über Devops-Praktiken und Toolsbenefitsalary Range: 40K-50K USD mit leistungsbasierten Boni.Stock Option ProgramProfessional Wachstumschancen in einem schnell wachsenden Startup.Flexible Arbeitszeiten und Remote-Arbeitsoptionen. Zeigen Sie mehr Weniger zeigen Посадовий рвеньSenior -Durchschnitt Art der Beschäftigung Volle Zeit Jobverantwortung Informationstechnologien Industrie IT -Dienste und IT -Beratung