Mittlerer Senior-Ingenieur für maschinelles Lernen bei Harvey Nash Technology in Harvey Nash Technology

  Verwendete Technologien

• Programmiersprachen: Python, Go 

• Frameworks für maschinelles Lernen: TensorFlow , PyTorch 

• Cloud-Plattformen: AWS 

• Big Data
  Tools: Spark , Snowflake, Snowpark 

• CI/CD und Orchestrierung
  Tools: Github-Aktionen, Airflow 

• Überwachung
  Tools: Grafana 

Fähigkeiten und Qualifikationen

• Ausbildung: Abschluss in Informatik oder einem verwandten Bereich. 

• Erfahrung: Mindestens 2 Jahre nachweisliche Branchenerfahrung. 

• Programmierkenntnisse: Beherrscht Python oder andere objektorientierte Programmiersprachen. 

• Ausgeprägtes Verständnis von Datenstrukturen, Algorithmen und Software-Engineering-Prinzipien. 

• Kenntnisse über gängige ML-Bibliotheken (z. B. TensorFlow, PyTorch, Spark ML) und/oder Cloud-Lösungen (z. B. AWS, Sagemaker). 

• Vertrautheit mit CI/CD (z. B. Github Actions, Airflow) und Big-Data-Tools (z. B. MapReduce, Spark, Flink, Kafka, Docker, Kubernetes). 

• Datenbankkenntnisse: Erfahrung in SQL und Datenbankverwaltung, einschließlich SQL-Abfrageoptimierung. 

• Testkompetenz: Erfahrung mit Unit-Test-Frameworks. 

  Eingesetzte Technologien

• Programmiersprachen: Python, Go 

• Frameworks für maschinelles Lernen: TensorFlow, PyTorch 

• Cloud-Plattformen: AWS 

• Big Data
  Tools: Spark, Snowflake, Snowpark 

• CI/CD und Orchestrierung
  Tools: Github-Aktionen , Luftstrom 

• Überwachung
  Tools: Grafana 

,[ Entwickeln, Testen und implementieren Sie skalierbare Lösungen und Pipelines für maschinelles Lernen mit geringer Latenz. Erforschen und erkunden Sie die neuesten Fortschritte bei Plattformtechnologien für maschinelles Lernen, erweitern Sie die Grenzen dessen, was mit ML erreichbar ist, und bleiben Sie gleichzeitig über Branchentrends und -entwicklungen auf dem Laufenden. , Experimentieren Sie mit neuen ML-Plattformen, die auf bestimmte Umgebungen zugeschnitten sind, und erstellen Sie Prototypen, um schnelle Prototypen und Proof-of-Concepts zu erstellen. , Automatisieren Sie ML-Pipelines mithilfe von CI/CD-Prinzipien und fördern Sie so Konsistenz und Agilität über den gesamten Entwicklungslebenszyklus. , Führen Sie gründliche Tests durch, um potenzielle Probleme, einschließlich Bedenken hinsichtlich Voreingenommenheit oder Fairness, zu identifizieren und zu lösen. , Optimieren Sie Modellbereitstellungsprozesse, einschließlich Einheiten-, Integrations- und Stresstests, und stellen Sie so eine hohe technische Qualität sicher. , Entwerfen und bauen Sie die Infrastruktur für maschinelles Lernen der nächsten Generation, um den gleichzeitigen Betrieb von Tausenden von Modelltrainingspipelines und Milliarden von täglichen Batch-Vorhersagen zu unterstützen. , Arbeiten Sie eng mit internen ML-Teams (z. B. Data Scientists und MLOps-Teams) zusammen, um die Qualität der Codebasis und den allgemeinen Produktzustand zu verbessern. ]

Anforderungen: Python, objektorientierte Programmierung, Datenstrukturen, Cloud, Big Data, SQL, Unit-Tests, TensorFlow, PyTorch, Spark, AWS, GitHub Actions, Airflow, Flink, Kafka, Kubernetes, Snowflake
Tools: .
Zusätzlich: Sportabonnement, Trainingsbudget, private Krankenversicherung, MittagessenKarte, Internationale Projekte, Kostenloser Kaffee, Kantine, Modernes Büro, Keine Kleiderordnung.