Оплата не указана
Вакансия находится в архиве
Требуемый опыт работы
От 3 до 6 лет
Тип занятости
Полная занятость
График работы
Удаленная работа
Мы в поиске Senior специалиста на позицию ML Platform Engineer (MLOps) в разработку Data Science платформы в РУСАЛ. Требуемый опыт работы: от 5 лет.
ML Platform (MOps) engineer будет заниматься разработкой и эксплуатацией DSML (Data Sciene and Machine Learning) платформы. Наша DSML платформа не просто позволяет создавать и эксплуатировать модели, она позволяет превращать инсайты и экспертизу Data Scientist-а в работающий код, легко передавать ее между Data Scientist-ами и сохранять ее в компании. Платформа работает как on-premise так и в cloud и не имеет здесь аналогов. РУСАЛ DSML платформа разрабатывается на базе решения с открытым кодом SinaraML (https://github.com/4-DS). SinaraML не только максимально упрощает жизнь Data Scinetist-а, избавляет его от инженерной рутины, но и позволяет ему самостоятельно разворачивать и начинать использовать платформу.
Наша команда — это команда универсалов, где каждый участник включен во все аспекты разработки, экcплуатации и поддержки платформы.
Welcome в нашу команду ML Platform Engineers инженеров:
Если Вы готовы отвечать за эксплуатацию разработанного Вами решения, быть постоянно в рабочее время On Call
Хотите заниматься полным циклом разработки платформ для Machine Learning и Artificial Intelligence начиная с проектирования уровня hardware
Готовы как брать на себя полноту ответственности за всю систему, так и делить ее с командой
Готовы быть адвокатом Data Scientist-ов и обеспечивать поддержку пользователям этих платформ
Если вы в какой-то степени ГИК в своей профессии, постоянно учитесь и Вас не пугает, что нужно планировать бэклог из задач в совершенно новых областях
Если у вас широкое мировоззрение, вы любите Python, Linux, Open Source, Cloud технологии и еще много чего
Вы одинаково любите разработку и эксплуатацию систем и чувствуете себя скорее system engineer-ом, чем software dev-ом или devOps-ом
Если вы способны быстро переключаться между четко выстроенными процессами эксплуатации и гибкими технологиями разработки
Если вам не нравится over-engineering при выборе технологий и разработке, любите делать сложное простым и лаконичным
Если вы умеете балансировать, в зависимости от потребности, между качеством и производительностью Вашей работы, между краткосрочными и долгосрочными целями
Задачи:
a) K8s кластер вычислительного облака для интерактивной разработки на базе Jupyter Lab;
b) K8s кластер для бэкгруанд задач: для запуска ML pipelines по расписанию, для Model Serving;
c) K8s кластер для анализа больших данных на базе Apache Spark.
a) Инструменты разработки ML pipelines;
b) Инструменты версионирования и прослеживаемости данных;
c) Инструменты управления Data Science экспериментами (воспроизводимость и передаваемость кода);
d) Инструменты масштабирования вычислительных ресурсов для интерактивной разработки и бэкграунд задач;
e) Инструменты Model Serving;
f) Инструменты визуализации, публикации интерактивных отчетов и взаимодействия с бизнесом.
a) Интеграция вычислительного облака и облака данных с Active Directory для аутентификации и авторизации с использованием PAM, Kerberos и др.;
b) Модели доступа данных, сетевые инструменты безопасности
Плюсом будет:
Контактная информация
РУСАЛ, Центр подбора персонала
Сайт: не указан
Почта: не указана
Вакансия опубликована 05.08.2024 в г. Москва.
Похожие вакансии
от 2 500 $
Санкт-Петербург
Удаленная работа
Подробное описание
24 августа
Не указана
Москва
Полный день
Подробное описание
27 марта