MLOps Engineer

Apron została założona przez zespół z dużym doświadczeniem w tworzeniu globalnych produktów fintech. Zauważyliśmy znaczną lukę w płatnościach biznesowych, na którą nikt nie zwracał uwagi—płatności takie jak zakup pomidorów, narzędzi i rolek paragonowych, które utrzymują dostawców zadowolonych i firmy prosperujące. Uproszczenie tych płatności może zaoszczędzić cenne godziny każdego tygodnia dla firm, księgowych i buchalterów. Problem ten dotyka szerokiego grona przedsiębiorców, od florystów po analityków finansowych, browarników po strategów marek. Wyobraźcie sobie możliwości, jakie mogliby odzyskać ten czas na innowacje i tworzenie.

Dlatego opracowaliśmy Apron, potężne narzędzie do płatności, które przekształca doświadczenie płatności z bloku biznesowego na booster biznesowy. Apron integruje się płynnie w twój przepływ pracy, konsolidując wszystkie działania związane z płatnościami i zamieniając godziny na minuty. Zwolnij swój czas, aby planować przyszłość, udać się na spacer lub zadzwonić do mamy. Jesteśmy dumnie finansowani przez Index Ventures i Bessemer Venture Partners.

Kogo Szukamy

Naszą misją jest stworzenie wiodącego na rynku produktu, który pozwala naszym klientom przesyłać faktury i paragony, które następnie są automatycznie przetwarzane i gotowe do płatności. Aby osiągnąć ten cel, musimy opracować wysokiej jakości, szybkie i wysoce dostępne usługi rozpoznawania dokumentów.

Poszukujemy inżyniera do budowy infrastruktury do szkolenia i wdrażania tych modeli. Będziesz zapewniać dostępność odpowiednich danych do szkolenia modelu, inferencji i analiz. Ta rola obejmuje budowanie potoków danych, przeprowadzanie kontroli jakości danych oraz zarządzanie bazą danych i infrastrukturą.

Idealny kandydat powinien posiadać duże doświadczenie oraz wszechstronne zrozumienie dziedzin MLOps i inżynierii danych. Powinien być w stanie określić, które technologie są korzystne, a które są nadmierne, zapewniając efektywne i proste rozwiązanie.

Kluczowe Obowiązki

• Organizacja serwowania modelu, aby zapewnić wysoką wydajność pod dużymi obciążeniami.
• Ustawienie pulpitów monitorujących i alertów.
• Zalecanie odpowiedniej architektury i narzędzi, takich jak serwowanie modeli na GPU w razie potrzeby.
• Implementowanie narzędzi MLOps do rozwijania i serwowania modeli.
• Zarządzanie przechowywaniem danych i modeli, wersjonowaniem, odtwarzalnym szkoleniem modeli i wizualizacją metryk modeli.
• Ustawienie narzędzi do oznaczania dokumentów i ponowne trenowanie modeli na podstawie feedbacku online.
• Zabezpieczanie danych w serwisie i potokach treningowych.
• Opracowywanie potoków danych i optymalizacja infrastruktury danych, aby zapewnić dostępność danych do treningu modelu, inferencji i analiz.
• Wkład w najlepsze praktyki rozwojowe, w tym testowanie w zespole.

Wymagania

• 5+ lat doświadczenia na stanowiskach związanych z MLOps lub uczeniem maszynowym.
• Obszerna znajomość Pythona i SQL (preferowany PostgreSQL).
• Doświadczenie w serwowaniu modeli uczenia maszynowego i korzystaniu z narzędzi MLOps (np. MLflow, DVC).
• Podstawowa znajomość algorytmów uczenia maszynowego, modeli i pojęć statystycznych.
• Doświadczenie z platformami chmurowymi (używ