Інженер ML (LLM) @ Brainly Sp. z o.o. в Brainly Sp. z o.o.

Інженер ML матиме можливість перетворити артефакти машинного навчання на виробничі системи, взяти участь у впровадженні найсучасніших практик MLOps і вдосконалити навички в NLP, Computer Vision, Generative AI, великомасштабній обробці даних, та пошук інформації.

Ідеальний кандидат — це ентузіаст освітніх технологій із досвідом розробки програмного забезпечення та набором навичок, які поєднують хмарну інфраструктуру, машинне навчання та кодування на Python.

Будучи частиною  команди Machine Learning Infra , ML Engineer тісно співпрацюватиме з іншими особами в рамках команд служби штучного інтелекту (інженери MLOps, спеціалісти з обробки даних, аналітики штучного інтелекту, спеціалісти з операцій штучного інтелекту). ) у внутрішніх проектах, розробляти модульні рішення MLOps на додаток до того, що надають команди Data Engineering і Automation, і співпрацювати з іншими командами ML за межами відділу для підтримки впровадження технологій.

Крім того, команда ML Infra виконує подвійну роль: вона володіє платформою MLOps, якою користуються всі практики ML у Brainly, і виступає в якості інженерної основи для проектів AI Services.

Чи мотивовані ви швидко вчитися та розвиватися в необхідних сферах, щоб досягти успіху в роботі? Вам подобається автоматизація робочих процесів? Чи дотримуєтесь ви культури DevOps і стандартів високоякісного програмного забезпечення? Чи берете ви на себе відповідальність за проблеми/виклики від початку до кінця? Чи маєте ви позитивне ставлення та готовність вирішувати виклики та складні проблеми? Якщо ви відповіли ствердно на ці запитання, можливо, ви станете ідеальним кандидатом на цю роль! 

ЩО НЕОБХІДНО

• 3+ роки досвіду роботи з моделями глибокого навчання на виробництві або аналогічна кар’єра в галузі машинного навчання, аналізу даних або статистичного моделювання.
• Понад 1 рік досвіду роботи з моделями глибокого навчання для НЛП, мовними моделями або текстовою аналітикою у виробництві.
• Практичний досвід роботи з сучасними хмарними обчисленнями або AWS (бажано), або Azure, GCP, а також служби для зберігання, обробки даних, безсерверного середовища, R&D і ML R&D середовища.
• Досвід створення конвеєрів ML для розробки функцій, навчання, оцінювання та визначення пакетів.
• Досвід розгортання моделей ML у виробництві, моніторингу в реальному часі та керування життєвим циклом моделей (наприклад, маркування, перенавчання).
• Сильні навички кодування на Python, зокрема з метою навчання та розгортання моделей, а також пов’язаних бібліотек (наприклад, numpy, Boto3, FastAPI, PyTorch, Pandas, Poetry тощо).
• Фреймворки машинного навчання, такі як Tensorflow або PyTorch, AWS Sagemaker, scikit-learn, Transformers (HuggingFace).
• Глибокі знання та розуміння теоретичних основ сучасного машинного навчання, зокрема глибоких нейронних мереж, NLP/LLM (бажано) або комп’ютерного зору.
• Bash і Linux/Unix (наприклад, AWS CLI, Docker, сценарії тощо).
• Хмарні служби (наприклад, IAM, EC2, S3, RDS, Redshift, Sagemaker, Athena, Lambda або альтернативи GCP і Azure).
• Паралельні обчислення (багатопроцесорні, асинхронні, графічні процесори, сегментування моделі).
• Інструменти аналізу та візуалізації даних, такі як pandas, plotly, matplotlib, seaborn або streamlit.
• Ставлення до командного гравця та чіткі комунікативні навички.
• Високий рівень самоорганізації.
• Вільно володію англійською мовою, письмово та усно.

ЩО БАЖАЄТЬСЯ

• Ступінь бакалавра або вище в галузі STEM (наука, технології, інженерія, математика) або подібна сфера.
• Практичний досвід роботи з технологіями зберігання та обробки даних (наприклад, реляційними/нереляційними базами даних, сховищами, хмарними рішеннями для зберігання та різними механізмами обробки).
• Практичний досвід роботи з широкомасштабним обслуговуванням моделей ML (мільйони запитів на день).
• Практичний досвід роботи з моделями та алгоритмами комп’ютерного зору.
• Практичний досвід роботи з Kubernetes і мікросервісами.
• Практичний досвід роботи з інструментами «Інфраструктура як код».
• Знайомство з основами інженерії даних (наприклад, SQL і NoSQL, потокове передавання даних, Apache Spark, Snowflake).
• CI/CD (наприклад, GitHub Actions, AWS CodePipeline або подібні).
• Kubernetes (наприклад, Deployment, StatefulSet, Ingress, Helm або подібні, REST API).
• Стек MLOps (наприклад, Neptune.ai, Sagemaker або подібний, як-от MLFlow, Kubeflow, Flyte).
• Фреймворки IaaC (Terraform, CloudFormation, Pulumi).
• Сучасні модельні фреймворки (torchserve, NVIDIA Triton або Seldon).
• Знайомі з принципами гнучкої розробки та економії.

Інженер ML матиме можливість перетворити артефакти машинного навчання на продуктивні системи, взяти участь у впровадженні найсучасніших практик MLOps і вдосконалити навички з НЛП, комп’ютерного бачення, генерації AI, великомасштабна обробка даних та пошук інформації.

Ідеальний кандидат — це ентузіаст освітніх технологій із досвідом розробки програмного забезпечення та набором навичок, які поєднують хмарну інфраструктуру, машинне навчання та кодування на Python.

Будучи частиною  команди Machine Learning Infra , інженер ML тісно співпрацюватиме з іншими особами в рамках команд служби штучного інтелекту (інженери MLOps, спеціалісти з обробки даних, аналітики штучного інтелекту, спеціалісти з операцій штучного інтелекту ) у внутрішніх проектах, розробляти модульні рішення MLOps на додаток до того, що надають команди Data Engineering і Automation, і співпрацювати з іншими командами ML за межами відділу для підтримки впровадження технологій.

Крім того, команда ML Infra виконує подвійну роль: вона володіє платформою MLOps, якою користуються всі практики ML у Brainly, і виступає в якості інженерної основи для проектів AI Services.

Чи мотивовані ви швидко вчитися та розвиватися в необхідних сферах, щоб досягти успіху в роботі? Вам подобається автоматизація робочих процесів? Чи дотримуєтесь ви культури DevOps і стандартів високоякісного програмного забезпечення? Чи берете ви на себе відповідальність за проблеми/виклики від початку до кінця? Чи маєте ви позитивне ставлення та готовність вирішувати виклики та складні проблеми? Якщо ви відповіли ствердно на ці запитання, можливо, ви станете ідеальним кандидатом на цю роль! 

,[Перетворюйте артефакти машинного навчання на виробничі системи та служби., Впроваджуйте інструменти та фреймворки, які допомагають спеціалістам із обробки даних (або іншим зацікавленим сторонам) працювати ефективніше, siрозширення таких областей, як навчання та оцінка моделі, анотація та обробка даних. Обробка великих наборів даних — як у підготовлених і добре організованих конвеєрах даних, так і в швидкому та брудному режимі — для швидкого експериментування. Інтеграція рішень ML у більші системи (інші функції продукту чи бізнес-процеси)., Проводити інновації та перевіряти можливості штучного інтелекту для всієї компанії на основі найсучаснішого комп’ютерного бачення, НЛП та сучасних послуг і моделей LLM. Досліджувати та бути в курсі останніх досягнень у технології штучного інтелекту (як моделі/алгоритми, так і інструменти/бібліотеки/SaaS/API)., Створення, розгортання, автоматизація, підтримка та керування всім життєвим циклом моделей рішень для науки про дані, розроблених у відділі AI Services., Надання інженерних можливостей для наших внутрішніх дослідницьких проектів., Виступати в якості консультанта та володіти впровадженням і підтримкою рішень на основі машинного навчання у виробничих сферах, де не призначено спеціальну групу штучного інтелекту (наприклад, довіра та безпека, модерація вмісту або експериментальні функції продукту)., Робота тісно співпрацювати з виробничими групами, щоб інтегрувати та полегшити впровадження інструментів і стандартизованих рішень, розроблених командою інфраструктури МЛ.]

Вимоги: Python, NLP, глибоке навчання, transformers, AWS , TensorFlow, PyTorch, AWS SageMaker, Docker, Redshift, EC2, Комп’ютерне бачення, Kubernetes, CI/CD
Додатково: Спортивна підписка, Бюджет на навчання, Приватне медичне обслуговування, Пакет стоматологічної допомоги, Опціони на акції , AskHenry, гаряча лінія психічного здоров’я.