Если просят войти через iCloud, отправить коды из SMS, запустить код, что-то установить, перевести деньги или сделать что угодно, связанное с деньгами, не соглашайтесь: это признаки мошенничества.
mlops engineer
генерация резюме
сопроводительное письмо
описание
Компания создает инструменты для разработчиков, автоматизируя рутинные проверки и исправления для ускорения производства. Команда ML Workflows Engineering занимается устранением инфраструктурных сложностей, оптимизацией процессов машинного обучения и созданием инструментов, автоматизации и конвейеров для разработки моделей и интеллектуальных агентов.
задачи
- Создавать инструменты, автоматизацию и рабочие процессы для упрощения инфраструктурных задач;
- Разрабатывать системы мониторинга, логирования и трассировки для обеспечения производительности и воспроизводимости рабочих процессов машинного обучения;
- Проектировать, внедрять и поддерживать сквозные конвейеры машинного обучения для разработки, обучения и развертывания моделей и интеллектуальных агентов;
- Работать с распределенными системами большого масштаба, включая графические кластеры, для поддержки обучения, дообучения и оценки моделей;
- Сотрудничать с продуктовыми и инженерными командами для преобразования целей в масштабируемые и поддерживаемые системы;
- Оптимизировать рабочие процессы для обеспечения воспроизводимости, масштабируемости и экономической эффективности.
требования
- Практический опыт работы с современными инструментами MLOps, включая Kubernetes, облачные провайдеры (GCP и AWS) и фреймворки для оркестрации машинного обучения;
- Глубокое понимание жизненного цикла машинного обучения от идеи до клиентского приложения;
- Способность самостоятельно вести проекты от постановки задачи до реализации и итераций;
- Клиентоориентированный подход и умение переводить потребности инженеров в архитектурные решения;
- Опыт работы с современными системами CI/CD, такими как GitHub Actions или JetBrains TeamCity;
- Опыт программирования на Python от трех лет в современных кодовых базах машинного обучения;
- Будет плюсом опыт работы с оркестраторами машинного обучения (ZenML, Dagster, Airflow), разработка инфраструктурных компонентов на Kubernetes, создание бэкенд-сервисов на Python, поддержка конвейеров машинного обучения, инструменты отслеживания экспериментов и наблюдаемости (Weights & Biases, MLflow, Langfuse), фреймворки для вывода больших языковых моделей (vLLM, DeepSpeed, TensorRT), написание библиотек на Python, теоретические знания в области обработки естественного языка и трансформеров, а также владение Java или Kotlin.
условия
- Возможна релокация в один из офисов компании.
навыки