Leitender Ingenieur für maschinelles Lernen in Infopulse / Infopuls

Infopulse, Teil von TietoEvry Create, lädt einen talentierten Fachmann ein, sich unserem Projekt als Senior Machine Learning Engineer anzuschließen. Unser Kunde ist eines der „Big Four“-Unternehmen, das Wirtschaftsprüfungs-, Steuer-, Beratungs- und Finanzberatungsdienstleistungen anbietet.

Diese Rolle bietet eine Möglichkeit zu arbeiten in allen Bereichen, einschließlich Hotel-/Bürobetrieb, soziale Netzwerke und Finanzen (Rechnungsstellung), und tragen zu wirkungsvollen, integrierten Lösungen für maschinelles Lernen bei.

Verantwortungsbereiche

• Geschäftsproblem Lösen: Identifizieren und definieren Sie Geschäftsprobleme und wandeln Sie sie in Aufgaben des maschinellen Lernens oder der Datenwissenschaft um, indem Sie effektive Lösungen vorschlagen
• SDLC-Automatisierung: Tragen Sie zur Automatisierung des Software Development Lifecycle (SDLC) bei und entwerfen Sie sie, indem Sie CI/CD und MLOps optimal implementieren Praktiken
• Modellentwicklung und -optimierung: Modelle für maschinelles Lernen entwerfen, entwickeln, trainieren, bewerten und optimieren, um Kosteneffizienz und Effektivität sicherzustellen
• Produktionsskalierbarkeit: Sicherstellen, dass ML-Lösungen robust, zuverlässig und und skalierbar für Produktionsumgebungen mit Schwerpunkt auf Modellinferenz und -integration
• Architekturdesign: Leitung des Designs von ML-Lösungsarchitekturen von der Datenextraktion und Vorverarbeitung bis zur Modellbereitstellung
• Pipeline-Management: Überwachung Bereitstellung, Überwachung und Verwaltung von ML-Pipelines in enger Zusammenarbeit mit DevOps, um einen nahtlosen Datenfluss und Modellleistung sicherzustellen
• Qualitätssicherung: Etablierung von Qualitätssicherungsprozessen für ML-Lösungen, einschließlich Datenvalidierung, Modelltests und Pipeline-Überwachung< /li>

Qualifikationen

• Machine-Learning-Expertise: starke Grundlage in Algorithmen des maschinellen Lernens und datenwissenschaftlichen Prinzipien
• Erfahrung mit produktionsbereitem ML: nachgewiesene Erfahrung mit End-to-End-Lösungen für maschinelles Lernen, insbesondere in Produktionsumgebungen
• Programmierkenntnisse: Kenntnisse in Python, mit Erfahrung in Bibliotheken wie Pandas, SciPy, scikit-learn, Matplotlib und NumPy
• Datenanalysefähigkeiten: fundierte Kenntnisse der Datenanalyse und Vorverarbeitungstechniken unter Verwendung branchenüblicher Tools und Bibliotheken

Wird ein Vorteil sein

• MLOps-Wissen: Erfahrung mit MLOps-Tools und Frameworks für Modellbereitstellung und Lebenszyklusmanagement
• Cloud-Erfahrung: Vertrautheit mit Cloud-Umgebungen und -Diensten (z. B. AWS, Azure, GCP) im Zusammenhang mit maschinellem Lernen
• Big-Data-Kenntnisse: Erfahrung im Umgang mit Big-Data-Tools wie Spark, Hadoop oder ähnlichen Technologien
• Domänenwissen: Hintergrund in der Hotelbranche, sozialen Netzwerken, oder finanzbezogene Anwendungen des maschinellen Lernens

Persönliche Fähigkeiten