Μηχανικός MLOps

Ο ρόλος: Αναζητούμε έναν εξειδικευμένο Μηχανικό MLOps για να ενταχθεί στην ομάδα μας και να παίξει βασικό ρόλο στη γεφύρωση του χάσματος μεταξύ των ομάδων Data Science και Infrastructure. Θα είστε υπεύθυνος για την υποστήριξη της ομάδας Data Science σε δραστηριότητες σχετικές με το MLOps, καθώς και στη βοήθεια σε πρωτοβουλίες DevOps, όπως η δημιουργία CI/CD pipelines, η παροχή πόρων στο cloud χρησιμοποιώντας εργαλεία όπως το Terraform και ο συντονισμός Kubernetes. Θα συνεργάζεστε στενά με data scientists και μηχανικούς για την ανάπτυξη data pipelines, την εκπαίδευση μοντέλων μηχανικής μάθησης και τη διαχείριση της ανάπτυξής τους σε κλιμακούμενα περιβάλλοντα cloud, εξασφαλίζοντας υψηλή απόδοση, ασφάλεια και αξιοπιστία καθ' όλη τη διάρκεια ζωής των ML μοντέλων.

Κύριες αρμοδιότητες της θέσης:

• Βοήθεια στο σχεδιασμό, την υλοποίηση και τη διατήρηση κλιμακούμενων MLOps pipelines σε AWS χρησιμοποιώντας υπηρεσίες όπως SageMaker, EC2, EKS, S3, Lambda και άλλα σχετικά εργαλεία AWS
• Συνεργασία με την ομάδα πλατφόρμας για την αντιμετώπιση προβλημάτων σε Kubernetes clusters (EKS) για τον συντονισμό ανάπτυξης μοντέλων μηχανικής μάθησης και άλλων μικροϋπηρεσιών
• Ανάπτυξη και διατήρηση CI/CD pipelines για ανάπτυξη μοντέλων και εφαρμογών, δοκιμές και παρακολούθηση
• Στενή συνεργασία με τις ομάδες Data Science και DevOps για βελτιστοποίηση της διαδικασίας ανάπτυξης μοντέλων από την πειραματική φάση έως την παραγωγή
• Εφαρμογή βέλτιστων πρακτικών ασφάλειας, συμπεριλαμβανομένης της ασφάλειας δικτύου, κρυπτογράφησης δεδομένων και ελέγχων πρόσβασης βάσει ρόλων στο AWS
• Παρακολούθηση, αντιμετώπιση προβλημάτων και βελτιστοποίηση των data και ML pipelines για διασφάλιση υψηλής διαθεσιμότητας και απόδοσης
• Ρύθμιση και διαχείριση συστημάτων παρακολούθησης μοντέλων για ανίχνευση απόκλισης απόδοσης, διασφαλίζοντας συνεχή βελτίωση των μοντέλων

Απαιτήσεις:

• Πτυχίο στην Πληροφορική, Μηχανική ή συναφές αντικείμενο
• 2+ χρόνια πρακτική εμπειρία σε MLOps, DevOps ή συναφείς τομείς
• Γνώσεις και προτιμητέα εμπειρία σε υπηρεσίες AWS για μηχανική μάθηση όπως SageMaker, EKS, S3, EC2, Lambda κ.ά.
• Εμπειρία με Kubernetes για τον συντονισμό κοντέινερ
• Εμπειρία με Docker
• Εμπειρία με εργαλεία υποδομής ως κώδικα όπως Terraform ή CloudFormation
• Εξοικείωση με εργαλεία CI/CD όπως GitLab CI
• Κατανόηση του κύκλου ζωής μοντέλων μηχανικής μάθησης
• Εξοικείωση με λύσεις παρακολούθησης και καταγραφής όπως Prometheus, Grafana, CloudWatch και ELK Stack
• Κατανόηση δικτυακών εννοιών και βέλτιστων πρακτικών ασφάλειας στο cloud
• Άνεση σε προγραμματισμό με Python και Bash, σε περιβάλλοντα Linux
• Ισχυρές δεξιότητες επίλυσης προβλημάτων και επικοινωνίας

Προτιμήσεις:

• Εμπειρία με serverless αρχιτεκτονικές και επεξεργασία βάσει συμβάντων στο AWS
• Εξοικείωση με προχωρημένες έννοιες Kubernetes όπως Helm
• Εμπειρία σε pipelines Data Engineering, διαδικασίες ETL ή πλατφόρμες big data
• Εμπειρία με πλαίσια ML όπως TensorFlow, PyTorch και Keras
• Εμπειρία με πλατφόρμες ML όπως Kubeflow και/ή SageMaker
• Εμπειρία με εργαλεία ροής εργασιών όπως Argo Workflows και/ή Airflow

Οφέλη:

• Ελκυστικό πακέτο αποδοχών συν επιπρόσθετη ανταμοιβή βάσει απόδοσης
• Πνευματικά προκλητικό περιβάλλον εργασίας
• Συνεχής προσωπική ανάπτυξη και διεθνείς ευκαιρίες εκπαίδευσης

Διαδικασία Πρόσληψης:

• Επικοινωνία – Αρχική συνομιλία με το τμήμα προσλήψεων
• Εμβάθυνση – Πρώτη συνέντευξη με την μελλοντική σας ομάδα
• Τελική φάση – Τελική συνέντευξη

Όλες οι αιτήσεις θα αντιμετωπίζονται με απόλυτη εμπιστευτικότητα! Υποβάλλοντας αυτή την αίτηση, επιβεβαιώνω ότι έχω διαβάσει και αποδέχομαι τους όρους της Δήλωσης Προστασίας Δεδομένων και της Συμφωνίας Εμπιστευτικότητας.

Η XM δημοσιεύει αυτή τη θέση στον δικό της ιστότοπο καριέρας. Οι αιτήσεις πηγαίνουν απευθείας στην XM: χρησιμοποιήστε το κουμπί "Apply" σε αυτή τη σελίδα.