Machine Learning Engineer, ML Ops

Chez Workday, notre voyage a commencé par une simple conversation lors d'un petit déjeuner dans un diner ensoleillé de Californie. Nos fondateurs ont imaginé transformer le marché des logiciels d'entreprise, et à mesure que nous grandissions, c'est notre culture unique qui nous distinguait. Cette culture, centrée sur la mise en avant des personnes, continue de conduire notre succès. Nos collègues croient qu'un environnement sain, centré sur les employés et collaboratif est la clé du succès commercial. Nous prenons soin de notre personnel, de nos communautés et de la planète, tout en restant rentables.

Rejoignez l'équipe dynamique de l'Assistant Workday ! En faisant partie de l'organisation de l'Expérience Employé, nous permettons aux employeurs d'impliquer et de soutenir plus efficacement leur main-d'œuvre, rendant le travail personnel et productif. Nous recherchons un Ingénieur en opérations de Machine Learning dédié pour aider dans notre mission stratégique de rencontrer les travailleurs là où ils se trouvent.

En tant qu'Ingénieur de Machine Learning axé sur les opérations de ML, vous :

• Implémenterez des outils, des cadres et des plateformes MLOps pour le développement, le déploiement et la gestion ML.
• Créerez des workflows ML réutilisables pour la formation, l'évaluation, le déploiement et la maintenance des modèles.
• Améliorerez le suivi et la surveillance des modèles, des expériences, des artefacts et des données.
• Collaborerez avec des ingénieurs de données et des data scientists sur l'ingénierie des fonctionnalités.
• Diagnostiquerez et résoudrez rapidement les problèmes de workflow ML et de production.

Vous appliquerez votre pensée créative, vos compétences analytiques, de résolution de problèmes et techniques pour impacter des milliers d'entreprises et des millions de personnes.

• 3+ années d'expérience avec Python en production et dans des environnements ETL.
• 2+ années d'expérience dans la construction de pipelines de données ou MLOps utilisant Python, Airflow, Databricks ou des services cloud natifs similaires.
• 2+ années d'expérience avec AWS, Vertex AI et Kubernetes.
• 2+ années d'expérience dans l'opérationnalisation de projets de science des données utilisant des plateformes comme Airflow, Kubeflow, AWS SageMaker, Google AI Platform.
• 1+ années d'expérience dans la construction de pipelines de données/ETL et d'infrastructure de formation de modèles, y compris le travail avec GPU.
• 1+ années d'expérience dans la gestion et le support de Docker, Kubernetes, Spark, CI/CD et GitOps.
• 1+ années d'expérience dans la gestion des versions de données, la gestion du cycle de vie des modèles ML, et la reproductibilité.

• Expérience avec des cadres ML tels que PyTorch, Keras, Transformers et SKLearn.
• Expérience avec le fine-tuning des modèles NLP et HuggingFace.
• Expérience avec les services AWS, en particulier EKS.
• 1+ années d'expérience avec des outils MLOps tels que TFX, MLFlow, Kubeflow, Apache Spark.
• Diplôme de licence dans un domaine pertinent (e.g. Informatique, Mathématiques, Ingénierie). Un M.S. ou un Ph.D. est un plus.

• Hautement motivé et aime livrer des solutions de machine learning à l'échelle de production.
• Un joueur d'équipe collaboratif avec une approche de leadership positive.
• Apprenant rapide, orienté vers les détails, décisif et prospère dans un environnement dynamique.
• Fiable, flexible et maintient une attitude de travail positive.

Les salaires de base annuels pour nos principaux et autres emplacements sont listés ci-dessous. La rémunération varie en fonction de l'emplacement, avec une éligibilité au plan de bonus Workday ou à la commission/bonus spécifique au rôle, et des subventions annuelles d'actions de rafraîchissement. Les recruteurs fourniront des détails lors du processus d'embauche. Les offres de rémunération sont basées sur divers facteurs, y compris la géographie