MLOps Engineer

Apron a été fondée par une équipe ayant une vaste expérience dans la création de produits fintech mondiaux. Nous avons identifié un écart significatif dans les paiements commerciaux que personne ne traitait - des paiements comme l'achat de tomates, d'outils et de rouleaux de caisse qui maintiennent les fournisseurs satisfaits et les entreprises prospères. Simplifier ces paiements peut économiser des heures précieuses chaque semaine pour les entreprises, les comptables et les teneurs de livres. Ce problème affecte un large éventail d'entrepreneurs, des fleuristes aux analystes financiers, des brasseurs aux stratèges de marques. Imaginez les possibilités s'ils pouvaient récupérer ce temps pour l'innovation et la création.

C'est pourquoi nous avons développé Apron, une centrale de paiements qui transforme l'expérience de paiement d'un obstacle pour les affaires à un atout pour les affaires. Apron s'intègre parfaitement dans votre flux de travail, consolidant toutes les activités de paiement, et réduisant les heures en minutes. Libérez votre temps pour planifier l'avenir, faire une promenade ou appeler votre mère. Nous sommes fièrement soutenus par Index Ventures et Bessemer Venture Partners.

Nous sommes en mission de créer un produit leader du marché qui permet à nos clients de télécharger des factures et des reçus, qui sont ensuite automatiquement traités et prêts à être payés. Pour atteindre cet objectif, nous devons développer un service de reconnaissance de documents de haute qualité, rapide et hautement disponible.

Nous recherchons un ingénieur pour construire l'infrastructure pour la formation et le déploiement de ces modèles. Vous veillerez à la disponibilité des données pertinentes pour la formation des modèles, l'inférence et les analyses. Ce rôle implique la construction de pipelines de données, la réalisation de contrôles de qualité des données et la gestion des bases de données et de l'infrastructure.

Le candidat idéal doit posséder une vaste expérience et une compréhension approfondie des domaines de MLOps et de l'ingénierie des données. Ils doivent être capables de déterminer quelles technologies sont bénéfiques et lesquelles sont excessives, garantissant une solution efficace et simple.

• Organiser le service de modèles pour assurer une haute performance sous de lourdes charges.
• Configurer des tableaux de bord de surveillance et des alertes.
• Recommander une architecture et des outils appropriés, tels que le service de modèles sur GPU si nécessaire.
• Mettre en œuvre des outils MLOps pour le développement et le service de modèles.
• Gérer le stockage des ensembles de données et des modèles, la versioning, la formation des modèles reproductibles et la visualisation des métriques des modèles.
• Configurer des outils de labellisation de documents et réentraîner les modèles en fonction des retours en ligne.
• Assurer la sécurité des données dans les pipelines de service et de formation.
• Développer des pipelines de données et optimiser l'infrastructure des données pour assurer la disponibilité des données pour la formation des modèles, l'inférence et les analyses.
• Contribuer aux meilleures pratiques de développement, y compris les tests au sein de l'équipe.

• 5+ années d'expérience dans des rôles liés à MLOps ou à l'apprentissage automatique.
• Connaissance approfondie de Python et SQL (PostgreSQL de préférence).
• Expérience dans le service de modèles d'apprentissage automatique et l'utilisation d'outils MLOps (e.g., MLflow, DVC).
• Connaissances de base des algorithmes d'apprentissage automatique, des modèles et des concepts statistiques.
• Expérience avec des plateformes de cloud computing (nous utilisons GCP) et des technologies de conteneurisation (e.g., Docker, Kubernetes).
• Expérience dans le développement de pipelines de données et la gestion des données (e.g., Airflow).
• La connaissance de Kotlin est un plus, car notre code de backend, sauf pour les services ML, est écrit dans ce langage.
• Expérience dans la réalisation de tests A/B ou l'utilisation de plateformes de tests A/B est un plus.
• Expérience dans la construction d'infrastructures pour la surveillance des métriques en ligne est un plus (e.g., Kafka, Grafana).

• Salaire compét