Expert(e) en ML Ops

ENERCON, firma o światowej renomie z siedzibą w Niemczech od ponad 40 lat, jest niekwestionowanym liderem w projektowaniu i produkcji turbin wiatrowych. Nasza reputacja opiera się na niezachwianym zaangażowaniu w doskonałość, przyjmowaniu innowacyjnych technologii napędu bezpośredniego oraz ścisłym przestrzeganiu norm jakości. Ponadto, zawieramy długoterminowe umowy serwisowe, co umacnia naszą światową pozycję w zakresie niezawodności i wydajności.

Dzięki gamie produktów obejmującej od 2 MW do 6 MW, ENERCON znajduje się na czele innowacji w branży wiatrowej, napędzając całą branżę ku obiecującej przyszłości. Do tej pory zainstalowaliśmy ponad 32 500 turbin wiatrowych na całym świecie, generując łącznie 61 GW mocy.

Nasz północnoamerykański oddział główny znajduje się w Montrealu (Quebec), z centrami serwisowymi od oceanu do oceanu, a także magazynem i akredytowanym centrum szkoleniowym w Boucherville (Quebec). ENERCON odgrywa znaczącą rolę na kanadyjskim rynku od 2001 roku, reprezentując obecnie ponad 2 700 MW zainstalowanej mocy w ośmiu prowincjach i terytoriach Kanady.

W ENERCON w Ameryce Północnej jesteśmy zaangażowani w budowanie czystszego i bardziej zrównoważonego przyszłości, promowanie transformacji energetycznej oraz oferowanie ekscytujących możliwości kariery wszystkim, którzy podzielają naszą wizję. Przeglądaj nasze oferty pracy i dołącz do nas, aby przyczynić się do kształtowania przyszłości energii odnawialnej i uczestniczyć w tworzeniu świata zasilanego zrównoważoną energią.

ENERCON poszukuje wykwalifikowanego Eksperta/ki ds. ML Ops, który dołączy do naszego zespołu i przyczyni się do zrównoważonego i efektywnego wykorzystania uczenia maszynowego (AI) w naszej organizacji. Będziesz mieć możliwość współpracy z naszym globalnym zespołem ekspertów i bliskiej współpracy z naszym technicznym kierownikiem z siedzibą w Kanadzie.

Obowiązki

• Wytyczne i wsparcie: Opracowywanie i dostarczanie eksperckiego wsparcia, aby promować złoty standard AI, zapewniając zrównoważoność, wydajność i śledzenie wyników ML.
• Wdrożenie ram: Tworzenie, wdrażanie i monitorowanie ram operacji uczenia maszynowego, aby zapewnić ciągłość wiedzy i wyników na całym cyklu życia naszych aktywów.
• Współpraca międzyfunkcyjna: Przełamywanie barier między nauką o danych a inżynierią danych, aby zapewnić wdrożenie i zarządzanie modelami uczenia maszynowego.
• Zarządzanie modelami: Optymalizacja rozwoju, wdrażania i zarządzania modelami uczenia maszynowego w środowiskach produkcyjnych.
• Rozwiązania współpracy: Współpraca z naukowcami danych, zespołami DevOps i interesariuszami, aby tworzyć efektywne i bezpieczne rozwiązania AI.
• Maksymalizacja wartości: Zapewnienie i maksymalizacja tworzenia wartości z zaawansowanych produktów analitycznych.

Wymagania

Umiejętności techniczne:

• Biegłość w popularnych frameworkach ML takich jak Databricks ML Flow, TensorFlow, PyTorch czy scikit-learn.
• Znajomość praktyk ciągłej integracji i wdrażania (CI/CD) dla pipeline'