Expert(e) en ML Ops

ENERCON, всесвітньо відома компанія, розташована в Німеччині вже понад 40 років, займає неперевершене місце у сфері проєктування та виробництва вітрових турбін. Наша репутація базується на нашій незмінній прихильності до досконалості, впровадженні інноваційних технологій з безпосереднім приводом, та суворому дотриманні стандартів якості. Крім того, ми укладаємо довгострокові сервісні контракти, тим самим зміцнюючи позицію глобального еталону в плані надійності та продуктивності.

З асортиментом продукції, що охоплює 2 МВт до 6 МВт, ENERCON знаходиться на передовій інновацій у вітроенергетичній галузі, пропонуючи майбутні перспективи для всього сектору. На сьогоднішній день ми встановили понад 32 500 вітротурбін по всьому світу, генеруючи загальну потужність 61 ГВт.

Наша північноамериканська штаб-квартира розташована в Монреалі (Квебек), з сервісними центрами від океану до океану, а також складом і акредитованим навчальним центром у Бушервіллі (Квебек). ENERCON займає важливе місце на канадському ринку з 2001 року, на цей час представляючи понад 2 700 МВт встановленої потужності у восьми провінціях і територіях Канади.

У компанії ENERCON в Північній Америці ми віддані побудові чистішого і сталого майбутнього, сприянню енергетичної переходу та пропозиції захоплюючих кар'єрних можливостей для тих, хто поділяє наше бачення. Досліджуйте наші вакансії та приєднуйтесь до нас, щоб внести свій вклад в становлення майбутнього відновлюваної енергії та брати участь у створенні світу, що живиться сталою енергією.

ENERCON шукає кваліфікованого експерта в ML Ops для приєднання до нашої команди та сприяння сталому та ефективному використанню машинного навчання (ШІ) в нашій компанії. Ви матимете можливість співпрацювати з нашою глобальною командою експертів і працювати у тісній співпраці з нашим технічним керівником, що базується в Канаді.

Обов'язки

• Керівництво та підтримка: Розробка та надання експертної підтримки для просування золотих стандартів ШІ, забезпечуючи сталість, продуктивність і простежуваність результатів ML.
• Впровадження структури: Створення, впровадження та моніторинг структури операцій машинного навчання для забезпечення безперервності знань і результатів протягом усього життєвого циклу наших активів.
• Міжфункціональна співпраця: Усунення розриву між науковими даними та їх інженерією, забезпечуючи розгортання та управління моделями машинного навчання.
• Управління моделями: Оптимізація розробки, розгортання та управління моделями машинного навчання в виробничих середовищах.
• Колабораційні рішення: Спільна робота з фахівцями з даних, командами DevOps та зацікавленими сторонами для створення ефективних та безпечних рішень ШІ.
• Максимізація цінності: Забезпечення та максимізація створення цінностей з продуктів передової аналітики.

Вимоги

Технічні навички