DevOps Engineer - Generative AI Team

Adyen надає платіжні, дані та фінансові продукти в єдиному рішенні для провідних клієнтів, таких як Meta, Uber, H&M та Microsoft. Як провідна фінансова технологічна платформа, все, що ми робимо в Adyen, спроектовано для значних досягнень та інновацій.

Adyen шукає досвідченого інженера MLOps або DevOps для приєднання до нашої команди Generative AI в Мадриді. Місія цієї команди полягає у створенні передової платформи Generative AI, використовуючи великі мовні моделі (LLMs) для різних застосувань. Основна увага приділяється розробці компонентів платформи для внутрішнього розгортання та наданню комплексних рішень, які підвищують операційну ефективність. Тематики, такі як спрямування випадків підтримки та аналіз настроїв, підкреслюють адаптивність AI, революціонізуючи робочі процеси в усій нашій організації.

• Співпрацювати з командою для проектування та побудови інфраструктури для розміщення LLM у внутрішніх умовах, забезпечення масштабованості, продуктивності та надійності.
• Володіти стратегією розгортання моделей ML для завдань, таких як розподіл звернень, резюмування, аналіз настроїв та пошук відповідей на питання.
• Автоматизувати ML-пайплайни за допомогою інструментів та практик MLOps, оптимізуючи масштабованість та продуктивність.
• Контейнеризувати застосунки та керувати розгортаннями в Kubernetes разом з необхідною інфраструктурою від GPU до векторних баз даних та компонентів для виведення.
• Розробити найкращі практики для спостережуваності в межах інфраструктури LLM, створюючи фреймворки для моніторингу поведінки LLM у реальних умовах.
• Проектувати та впроваджувати API, сервіси або фреймворки для сприяння безшовній інтеграції та використанню LLM у різних застосунках і службах.
• Бути в курсі останніх досягнень в інструментах та практиках MLOps.

• 5+ років професійного досвіду як інженер DevOps, інженер MLOps, інженер ML або інженер даних.
• Сильні навички розробки програмного забезпечення, включаючи версійний контроль (наприклад, Git, бажано на GitLab), кращі практики кодування, налагодження, модульне та інтеграційне тестування.
• Знання Python, Airflow, MLflow, Docker, Kubernetes та ArgoCD.
• Володіння інструментами спостережуваності, такими як Prometheus, Logsearch, Kibana та Grafana.
• Знання пайплайнів даних та процесів ETL для навчання та виведення ML, а також фреймворків розробки та розгортання моделей.
• Міцне розуміння найкращих практик DevOps, концепцій CI/CD та досвід у впровадженні цих практик.
• Здатність діагностувати та вирішувати проблеми продуктивності моделей, масштабованості та розгортання.
• Знайомство з інструментами моніторингу для відстеження продуктивності моделей, використання ресурсів та стану системи, включаючи логування та моніторинг помилок для ML-моделей та застосунків.

• Знання пайплайнів ETL за допомогою PySpark та Airflow для попередньої обробки даних та навчання