MLOps Engineer

O nas

Założona w 2018 roku, Causaly przyspiesza proces pozyskiwania wiedzy i rozwoju wniosków w dziedzinie biomedycyny. Nasza produkcyjna platforma generatywnej sztucznej inteligencji do analiz badawczych i automatyzacji wiedzy wspiera tysiące naukowców w odkrywaniu dowodów z milionów publikacji akademickich, badań klinicznych, dokumentów regulacyjnych, patentów i innych źródeł danych w ciągu kilku minut. Współpracujemy z niektórymi z największych firm biopharma na świecie i instytucjami w różnych zastosowaniach, w tym Odkrywaniu Leków, Bezpieczeństwie i Wywiadzie Konkurencyjnym. Przeczytaj więcej o naszej misji i wpływie na naszym blogu.

Jesteśmy dumnie wspierani przez czołowych venture capital, takich jak ICONIQ, Index Ventures, Pentech i Marathon.

MLOps Engineer zaprojektuje, rozwinie i będzie utrzymywać infrastrukturę oraz narzędzia wspierające nasze modele uczenia maszynowego. Ściśle współpracując z naukowcami danych, inżynierami i zespołami produktowymi, zapewni płynne działanie naszych procesów ML, od pobierania danych po wdrażanie modeli.

Obowiązki:

• Projektowanie, wdrażanie i utrzymywanie naszej infrastruktury ML, w tym przepływów danych, trenowania modeli i procesów wdrażania.
• Rozwijanie i utrzymywanie narzędzi do automatyzacji procesów ML, w tym wstępnego przetwarzania danych, inżynierii cech i oceny modeli.
• Współpraca z interesariuszami w celu optymalizacji wydajności, skalowalności i niezawodności modeli w produkcji, w tym monitorowania, logowania i rozwiązywania problemów.
• Rozwijanie i utrzymywanie kontroli jakości danych oraz przepływów walidacji danych.
• Wdrażanie i utrzymywanie wersjonowania danych oraz śledzenia ich pochodzenia.
• Śledzenie najnowszych osiągnięć w dziedzinie MLOps i rekomendowanie najlepszych praktyk oraz nowych technologii zespołowi.

Wymagania:

• Tytuł licencjata lub magistra w dziedzinie informatyki, inżynierii lub pokrewnej.
• Praktyczne doświadczenie w branży w dziedzinie MLOps, DevOps lub pokrewnej.
• Doskonale umiejętności programowania w Pythonie, z doświadczeniem w ramach ML.
• Doświadczenie w konteneryzacji.
• Doświadczenie w przepływach danych, hurtowniach danych i procesach ETL.
• Doświadczenie w wersjonowaniu danych i śledzeniu ich pochodzenia.
• Głębokie zrozumienie wdrażania, skalowania i zarządzania modelami ML.
• Znakomite umiejętności rozwiązywania problemów z umiejętnością debugowania skomplikowanych zagadnień.
• Doskonale umiejętności komunikacji i współpracy, z umiejętnościami pracy z zespołami cross-funkcjonalnymi.
• Doświadczenie z metodologiami rozwoju zwinnego i systemami kontroli wersji, takimi jak Git.

Preferowane kwalifikacje:

• Doświadczenie z platformami MLOps, takimi jak MLflow, TensorFlow Extended (TFX) lub Kubeflow.
• Doświadczenie z narzędziami DevOps, takimi jak Jenkins, GitLab CI/CD czy CircleCI.
• Doświadczenie z BigQuery.

Korzyści: