Старший інженер ML (GCP) @ GetInData | Частина Xebia в GetInData | Part of Xebia

Інженери ML, що спеціалізуються на Generative AI, відповідають за оптимізацію життєвих циклів проектів машинного навчання, зосереджених на Generative AI, шляхом проектування та автоматизації робочих процесів, впровадження конвеєрів CI/CD, забезпечення відтворюваності та забезпечення надійного відстеження експериментів. Їх робота в основному зосереджена на створенні додатків Generative AI на основі найсучасніших моделей Generative AI шляхом інтеграції моделей із відкритим кодом або сторонніх комерційних служб, які пропонують моделі Generative AI як послугу. Вони відповідають не за навчання моделям Generative-AI, а за інтеграцію найкращих у своєму класі інструментів у програми виробничого рівня. Вони співпрацюють із зацікавленими сторонами та інженерами платформ для створення інфраструктури, автоматизації розгортання моделей і моніторингу моделей. ML Engineer — Generative AI володіє широким спектром технічних навичок, включаючи знання оркестровки, зберігання, контейнеризації, спостережливості, SQL, мов програмування, хмарних платформ і обробки даних. Їх досвід також охоплює методи, пов’язані з пошуком інформації (IR), обробкою природної мови, семантичним пошуком і векторними базами даних. Ступінь бакалавра або магістра в галузі комп’ютерних наук, наук про дані або в суміжній галузі Великий досвід у розробці даних, включаючи роботу з BigQuery, Airflow Комерційний досвід обробки тексту, як-от обчислення вставок, налаштування систем вільного тексту чи семантичного пошуку, використання таких технологій, як Elasticsearch , Langchain, LlamaIndex або подібне Значний досвід роботи з VertexAI Знання Python та досвід роботи з комерційними та/або відкритими програмами LLM Знайомство з середовищем GCP Тверде розуміння принципів машинного навчання та ШІ Здатність брати активну участь/вести дискусії з клієнтами для ідентифікації і оцінити конкретні та амбітні шляхи вдосконалення. Інженери ML, що спеціалізуються на Generative AI, відповідають за оптимізацію життєвих циклів проектів машинного навчання, зосереджених на Generative AI, шляхом проектування та автоматизації робочих процесів, впровадження конвеєрів CI/CD, забезпечення відтворюваності та забезпечення надійного відстеження експериментів. Їх робота в основному зосереджена на створенні додатків Generative AI на основі найсучасніших моделей Generative AI шляхом інтеграції моделей із відкритим кодом або сторонніх комерційних служб, які пропонують моделі Generative AI як послугу. Вони відповідають не за навчання моделям Generative-AI, а за інтеграцію найкращих у своєму класі інструментів у програми виробничого рівня. Вони співпрацюють із зацікавленими сторонами та інженерами платформ для створення інфраструктури, автоматизації розгортання моделей і моніторингу моделей. ML Engineer — Generative AI володіє широким спектром технічних навичок, включаючи знання оркестровки, зберігання, контейнеризації, спостережливості, SQL, мов програмування, хмарних платформ і обробки даних. Їх досвід також охоплює методи, пов’язані з пошуком інформації (IR), обробкою природної мови, семантичним пошуком і векторними базами даних. ,[Проектування та архітектура робочих процесів машинного навчання/процесу життєвого циклу машинного навчання, Співпраця з інженерами платформи для налаштування інфраструктури, необхідної для ефективного запуску процесів MLOpsПо-перше, впровадження систем пошуку знань, семантичного пошуку або векторних сховищ, використовуючи, наприклад, Elasticsearch, Створення додатків на основі штучного інтелекту, таких як розмовний пошук, системи рекомендацій або чат-боти, Співпраця із зацікавленими сторонами для розуміння основних проблемних точок і неефективності життєвих циклів проектів машинного навчання в компанії, Бути в курсі останніх тенденцій і досягнень у інженерії даних, машинному навчанні , і AI] Вимоги: Python, BigQuery, GCP, Vertex AI Інструменти: Jira, GIT, GitLab, Jenkins / GitLab, Agile. Додатково: спортивний абонемент, приватне медичне обслуговування, плоска структура, невеликі команди, міжнародні проекти, командні заходи, бюджет тренувань, безкоштовна кава, тренажерний зал, паркування велосипедів, ігрова кімната, безкоштовні закуски, безкоштовні напої, внутрішні тренінги, стартова атмосфера, без дрес-коду , Кухня.