Architekt techniczny - ML

Choć technologia jest sercem naszej działalności, globalna i różnorodna kultura jest sercem naszego sukcesu. Kochamy naszych ludzi i jesteśmy dumni, że możemy zapewnić im kulturę zbudowaną na przejrzystości, różnorodności, uczciwości, uczeniu się i rozwoju. Jeśli interesuje Cię praca w środowisku, które zachęca Cię do innowacji i doskonalenia się, nie tylko w życiu zawodowym, ale także osobistym, kariera w Quantiphi będzie dla Ciebie przyjemnością!

Wymagane umiejętności i kwalifikacje: - Ponad 8 lat pracy w inżynierii ML/AI lub na stanowiskach MLOps z dużym doświadczeniem w architekturze. - Silna wiedza na temat natywnego stosu ML AWS, w tym: SageMaker (podstawowy), EKS, Lambda, API Gateway, CI/CD (CodeBuild/CodePipeline lub równoważny) - Praktyczne doświadczenie z co najmniej jednym głównym zestawem narzędzi MLOps i świadomość alternatyw: MLflow, Kubeflow, SageMaker Pipelines, Airflow, BentoML, KServe, Seldon. - Głębokie zrozumienie zarządzania cyklem życia modelu (inżynieria funkcji->szkolenie → rejestracja → wdrożenie → monitorowanie). - Doświadczenie we wdrażaniu lub wspieraniu potoków LLMOps, w tym: szybkie wersjonowanie, metryki oceny, ramy automatyzacji - Głębokie zrozumienie cyklu życia ML: pozyskiwanie danych, inżynieria funkcji, szkolenia, ocena, pakowanie modeli, CI/CD, wykrywanie dryfów, monitorowanie i zarządzanie. - Duże doświadczenie z AWS SageMaker (Pipelines, Feature Store, Model Registry, Model Monitor). - Doświadczenie we wdrażaniu potoków ML CI/CD, w tym zautomatyzowane szkolenia, testowanie, walidacja, promocja modeli i wdrażanie punktów końcowych. - Doświadczenie w pracy nad narzędziami Infrastructure as Code (IaC) i potokami CI/CD - Doświadczenie w programowaniu opartym na Kubernetes - Doświadczenie w zakresie potoków inżynierii funkcji i zarządzania magazynem funkcji. - Zrozumienie śledzenia pochodzenia: migawka danych szkoleniowych, wersje funkcji, wersjonowanie kodu, śledzenie metadanych, odtwarzalność. - Praktyczne doświadczenie z usługą AWS Bedrock i Agentcore - Doświadczenie z CloudWatch, SageMaker Model Monitor, Prometheus/Grafana. - Solidne podstawy w języku Python i wzorcach programistycznych natywnych w chmurze. - Solidne zrozumienie najlepszych praktyk w zakresie bezpieczeństwa, IAM, zarządzania tajemnicami i zarządzania artefaktami. Dobrze jest posiadać umiejętności: - Doświadczenie z wektorowymi bazami danych, potokami RAG lub wieloagentowymi systemami AI. - Znajomość DevOps i infrastruktury jako kodu (Terraform, Helm, CDK). - Praktyczna wiedza na temat wykrywania dryfu modelu, testów A/B, wdrożeń typu canary i wdrożeń niebiesko-zielonych. - Znajomość stosów Observability (Prometheus, Grafana, CloudWatch, OpenTelemetry). - Doświadczenie w SQL i transformacji danych przy użyciu Snowflake, Databricks, Spark. - Możliwość przełożenia celów biznesowych na skalowalne projekty platform AI/ML. - Silne umiejętności komunikacji i współpracy między zespołami. - Umiejętność prowadzenia zespołów inżynierskich przez niepewność techniczną i wybory projektowe. Kluczowe obowiązki: - Zaprojektowanie i wdrożenie strategii MLOps dla programu, zapewnienie zgodności z propozycją projektu i planem realizacji. - Projektuj i twórz własne potoki ML/LLM klasy korporacyjnej obejmujące szkolenie modeli, walidację, wdrażanie, wersjonowanie, monitorowanie i automatyzację CI/CD. - Twórz platformy ML zorientowane na kontenery (najpierw EKS), oceniając alternatywne narzędzia do orkiestracji o podobnych możliwościach (Kubeflow, SageMaker, MLflow, Airflow itp.). - Wdrażaj hybrydowe przepływy pracy MLOps + LLMOps, w tym zarządzanie podpowiedziami/wersjami, ramy oceny i monitorowanie systemów opartych na LLM. - Pełnić funkcję autorytetu technicznego w wielu projektach wewnętrznych i klientów, wnosząc wzorce architektoniczne, najlepsze praktyki i struktury wielokrotnego użytku. - Włącz obserwowalność, monitorowanie, wykrywanie dryftu, śledzenie pochodzenia i możliwość audytu w systemach ML/LLM. - Definiuj i wdrażaj standardy wdrażania modeli, monitorowania, zarządzania i automatyzacji, aby zapewnić niezawodność i skalowalność na poziomie produkcyjnym. - Współpraca z zespołami wielofunkcyjnymi - inżynierią danych, platformą, DevOps i interesariuszami klientów - w celu dostarczania gotowych do produkcji rozwiązań ML. - Upewnij się, że wszystkie rozwiązania są zgodne z oczekiwaniami dotyczącymi bezpieczeństwa, zarządzania i zgodności, szczególnie w zakresie obsługi usług w chmurze, obciążeń Kubernetes i narzędzi MLOps. - Przeprowadzaj przeglądy architektury, rozwiązuj złożone problemy z systemem ML i prowadź zespoły przez proces wdrażania na natywnych platformach ML w chmurze. - Wspieraj inżynierów i udzielaj wskazówek na temat nowoczesnych narzędzi MLOps, możliwości platformy i najlepszych praktyk.

Jeśli lubisz dziki rozwój i pracę ze szczęśliwymi, pełnymi entuzjazmu osobami, które osiągają sukcesy, Twoja kariera będzie dla Ciebie przyjemnością! Aplikuj bezpośrednio na RemoteJobs.org: https://remotejobs.org/remote-jobs/technical-architect-ml-quantiphi