(biegły ukraiński) analityk danych (MLops, AI DevOps) w Outstaff Your Team

Poszukujemy ambitnego i kreatywnego Data Scientist (MLOps, AI DevOps), który jest fanatykiem AI, uwielbia złożone wyzwania i jest gotowy na wdrażanie innowacyjnych rozwiązań z zakresu sztucznej inteligencji. Produkt: stworzony z myślą o automatyzacji obsługi (komunikacji tekstowej) dla popularne systemy CRM wykorzystujące ML. Produkt zostaje wprowadzony do produkcji. Zespół: nasz zespół ma już doświadczonego dyrektora generalnego i STO z doświadczeniem w Data Science i Machine Learning, programistów Front-End, Back-end, inżyniera uczenia maszynowego, menedżera ds. marketingu i projektanta robić: Budować i wspierać infrastrukturę ML gotowych rozwiązań i potoków; Wspierać wdrażanie i monitorowanie modeli ML w produkcji. Współpracować z analitykami danych i inżynierami oprogramowania, aby zapewnić płynną integrację modeli ML. Wdrażać i utrzymywać potoki CI/CD dla projektów ML zagadnienia związane z wydajnością i wdrażaniem modeli ML; Aktualizacja dokumentacji i wykorzystanie najlepszych praktyk procesów MLOps. Wpływ na strategię projektu, burza mózgów z zespołem. Wymagania Ważne i wymagane: 1-1,5 roku doświadczenia komercyjnego na pokrewnym stanowisku (np. Inżynier ML, Data). Inżynier, Inżynier DevOps) ;Praktyczne doświadczenie we wdrażaniu i wspieraniu modeli ML na produkcji;Doświadczenie z narzędziami do monitorowania i logowania (np. Prometheus, Grafana, ELK Stack);Doświadczenie z popularnymi frameworkami i bibliotekami ML (np. TensorFlow, PyTorch, scikit-learn); Silne doświadczenie z Pythonem;Doświadczenie z językami skryptowymi (np. Bash);Doświadczenie z jedną z głównych platform chmurowych (np. AWS, Azure, Google Cloud);Podstawowa znajomość praktyk i narzędzi MLOps (np. MLflow, Kubeflow Podstawowa wiedza). potoków i narzędzi CI/CD (np. Jenkins, GitLab CI); Znajomość technologii konteneryzacji (np. Docker) i narzędzi orkiestracji (np. Kubernetes); Znajomość usług chmurowych ML (np. AWS SageMaker, Azure ML, Google AI Platform Confident). umiejętności korzystania z Git oraz zrozumienie zagadnień rozgałęziania, łączenia i ściągania będą dodatkowym atutem: Doświadczenie z frameworkami do obliczeń rozproszonych (np. Apache Spark); Znajomość technik interpretowalności i interpretowalności modeli. Znajomość praktyk automatycznego testowania i zapewniania jakości modeli ML; Koncepcje wiedzy i narzędzia przetwarzania danych (np. procesy ETL, przechowywanie danych); Poczucie humoru 😊KorzyściOferujemy: Konkurencyjne wynagrodzenie w USD; Możliwość wpływu na architekturę produktu; Wiele ciekawych zadań i komunikację z zespołem. Odpowiednie, przyjazne zarządzanie i brak biurokracji ; Praca zdalna na Ukrainie lub w najbliższej strefie czasowej Atmosfera przytulnego startupu ze stabilnością ze strony holdingu; Pokaż więcej Pokaż mniej Poziom pozycji Poziom średni starszy Rodzaj zatrudnienia Pełny etatObowiązki służbowe Inżynieria Przemysły Organizacje non-profit oraz szkolnictwo podstawowe i średnie