Середній старший інженер машинного навчання @ Harvey Nash Technology в Harvey Nash Technology

  Використані технології

• Мови програмування: Python, Go 

• Інфраструктура машинного навчання: TensorFlow , PyTorch 

• Хмарні платформи: AWS 

• Великі дані
  Інструменти: Spark , Snowflake, Snowpark 

• CI/CD та Orchestration
  Інструменти: Github Actions, Airflow 

• Моніторинг
  Інструменти: Grafana 

Навички та кваліфікація

• Освіта: ступінь у галузі інформатики або суміжної галузі. 

• Досвід: Мінімум 2 роки перевіреного досвіду в галузі. 

• Навички програмування: досконале володіння Python або іншими мовами об’єктно-орієнтованого програмування. 

• Глибоке розуміння структур даних, алгоритмів і принципів розробки програмного забезпечення. 

• Знання основних бібліотек ML (наприклад, TensorFlow, PyTorch, Spark ML) та/або хмарних рішень (наприклад, AWS, Sagemaker). 

• Знайомство з CI/CD (наприклад, Github Actions, Airflow) та інструментами для великих даних (наприклад, MapReduce, Spark, Flink, Kafka, Docker, Kubernetes). 

• Навички роботи з базами даних: досвід роботи з SQL та керування базами даних, включаючи оптимізацію запитів SQL. 

• Експертиза тестування: досвід роботи зі структурами модульного тестування. 

  Використані технології

• Мови програмування: Python, Go 

• Інфраструктури машинного навчання: TensorFlow, PyTorch 

• Хмарні платформи: AWS 

• Великі дані
  Інструменти: Spark, Snowflake, Snowpark 

• CI/CD і Orchestration
  Інструменти: Github Actions , Airflow 

• Моніторинг
  Інструменти: Grafana 

,[ Розробка, тестуйте та розгортайте масштабовані рішення та конвеєри машинного навчання з низькою затримкою. Досліджуйте та досліджуйте останні досягнення в технологіях платформ машинного навчання, розсуваючи межі того, що можна досягти за допомогою машинного навчання, залишаючись у курсі галузевих тенденцій і розробок. , Експериментуйте та створюйте прототипи нових платформ машинного навчання, адаптованих до конкретних середовищ, створюючи швидкі прототипи та докази концепцій. , Автоматизуйте конвеєри машинного навчання за допомогою принципів CI/CD, сприяючи послідовності та гнучкості протягом життєвого циклу розробки. , Проведіть ретельне тестування, щоб виявити та вирішити потенційні проблеми, включно з проблемами упередженості чи справедливості. , Оптимізуйте процеси розгортання моделі, включаючи модульне, інтеграційне та стрес-тестування, забезпечуючи високу якість розробки. , Розробляйте та створюйте інфраструктуру машинного навчання наступного покоління для підтримки одночасної роботи тисяч конвеєрів навчання моделей і мільярдів щоденних пакетних прогнозів. , Тісно співпрацюйте з внутрішніми командами ML (такими як Data Scientists і команди MLOps), щоб підвищити якість кодової бази та загальний стан продукту. ]

Вимоги: Python, об’єктно-орієнтоване програмування, структури даних, хмара, великі дані, SQL, модульне тестування, TensorFlow, PyTorch, Spark, AWS, GitHub Actions, Airflow, Flink, Kafka, Kubernetes, Snowflake
Інструменти: .
Додатково: абонемент на спорт, бюджет тренувань, приватне медичне обслуговування, обідкартка, Міжнародні проекти, Безкоштовна кава, Їдальня, Сучасний офіс, Без дрес-коду.