(Płynny ukraiński) Inżynier MLOps w Outstaff Your Team

Poszukujemy ambitnego i kreatywnego Inżyniera MLOps, który jest fanatykiem AI, kocha złożone wyzwania i jest gotowy na wdrażanie innowacyjnych rozwiązań z zakresu sztucznej inteligencji. Produkt: stworzony w celu automatyzacji obsługi (komunikacji tekstowej) popularnych systemów CRM z wykorzystaniem 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 ; Eliminować problemy związane z wydajnością i wdrażaniem modeli ML; Aktualizować dokumentację i wykorzystywać najlepsze praktyki procesów MLOps. Wpływać na strategię projektu, przeprowadzać burzę mózgów z zespołem. Wymagania Ważne i wymagane: 1-1,5 roku doświadczenia komercyjnego na powiązanym stanowisku (np. Inżynier ML). , Data Engineer, DevOps Engineer) ;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 ); Duże 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 na temat 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) ; Pewne umiejętności korzystania z Git i zrozumienie rozgałęzień, łączenia i żądań ściągania będą dodatkowym atutem: Doświadczenie z rozproszonymi platformami obliczeniowymi (np. Apache Spark); Znajomość technik interpretowalności i interpretowalności modeli Znajomość praktyk automatycznego testowania i zapewniania jakości ML; modele; Koncepcje wiedzy i narzędzia przetwarzania danych (np. procesy ETL, przechowywanie danych); Korzyści Oferujemy: Konkurencyjne wynagrodzenie w USD; Możliwość wpływu na architekturę produktu; Wiele ciekawych zadań i komunikację z zespołem. Odpowiednie, przyjazne zarządzanie i nie biurokracja; Praca zdalna na Ukrainie lub w innym miejscu w najbliższej strefie czasowej Atmosfera przytulnego startupu ze stabilnością holdingu; Pokaż więcej Pokaż mniej Poziom pozycji Poziom średni starszy Rodzaj zatrudnienia Pełny etatOdpowiedzialność zawodowa Inżynieria Przemysły Organizacje non-profit oraz szkolnictwo podstawowe i średnie