Salve.Inno е компания за подбор на персонал и консултантски услуги, основана през 2024 г. със седалище в Гданск, Полша. Малкият ѝ екип помага на бизнеса да наема служители чрез персонализирани стратегии за подбор, глобално търсене на специалисти за дистанционна работа, подбор и оценка на кандидати и кариерни сайтове, улесняващи процеса на наемане. Компанията работи в сферите на консултирането, маркетинга и логистиката, като опитът ѝ в подбора обхваща позиции в маркетинга, форекс търговията и iGaming индустрията. Salve.Inno също така подкрепя организациите в областта на комуникацията, многообразието, равнопоставеността и приобщаването (DE&I), както и при разработването на по-ефективни процеси за наемане, публикува възможности за дистанционна работа и предоставя консултантски услуги за глобалния пазар на таланти.
Старши инженер по машинно обучение, ръководител на приложния ИИ и MLOps
Ръководи продукционни решения с ИИ и MLOps в международна организация. Оформя предиктивни модели, управление, внедряване и мащабируема архитектура за машинно обучение.
Описание
- Поема отговорност за моделите за машинно обучение от разработването до продукционното наблюдение и повторното обучение.
- Ръководи проекти за приложен ИИ в областите стойност на клиента за целия му жизнен цикъл, отлив на клиенти, измами и предотвратяване на злоупотреби.
- Изгражда и подобрява MLOps рамки, автоматизирани внедрявания, CI/CD, промотиране между среди и управление на жизнения цикъл на моделите.
- Създава мониторинг на производителността на моделите, изместването на данните, качеството на данните и бизнес резултатите.
- Определя стратегии за повторно обучение на модели, процедури за ескалация и практики за непрекъснато подобрение.
- Използва SHAP и атрибуция на характеристиките, за да направи моделите по-прозрачни и разбираеми.
- Определя стандарти за управление на моделите, документация, контрол на версиите, възпроизводимост и възможност за одит.
- Работи съвместно с екипа по инженеринг на данни за мащабируеми потоци от данни, инженеринг на характеристики и надеждна инфраструктура за данни.
- Превръща бизнес предизвикателствата в практични и мащабируеми решения с ИИ съвместно с екипите по продукт, риск, търговски дейности и други екипи.
- Преглежда производителността на моделите в продукционна среда, за да подобрява точността, надеждността и бизнес ефекта.
- Поддържа продукционни стандарти за стабилност, мащабируемост, поддържаемост и оперативна ефективност.
- Напътства и наставлява колегите инженери.
- Съчетава бързото предоставяне на MVP с дългосрочна надеждност и мащабируемост в продукционна среда.
Изисквания
- Има поне 5 до 8 години професионален опит в изграждането, внедряването и поддръжката на модели за машинно обучение в продукционна среда.
- Владее Python на напреднало ниво и има солидни основи в софтуерното инженерство.
- Разбира алгоритмите за машинно обучение, оценяването на модели, инженерингa на характеристики и предиктивното моделиране.
- Има практически опит с проблеми при ML в продукционна среда, като изтичане на данни, изместване на модела, качество на данните и стабилност на модела.
- Има практически опит с Apache Spark или PySpark за разпределени изчисления и обработка на големи обеми данни.
- Има опит с MLflow или сравнима платформа за управление на жизнения цикъл на машинното обучение.
- Проектира, внедрява и поддържа CI/CD потоци, за предпочитане с GitHub Actions.
- Владее SQL на напреднало ниво и има опит в работата с големи и сложни набори от данни.
- Разбира внедряването и наблюдението на модели, откриването на изместване, повторното обучение и поддръжката в продукционна среда.
- Прилага методи за обяснимост и интерпретируемост на модели, като SHAP.
- Предоставя решения с ИИ/машинно обучение, довели до измерими търговски или оперативни подобрения.
- Разбира изискванията за управление, версиониране, документация и възпроизводимост на моделите.
- Може да проектира мащабируеми, надеждни и поддържаеми архитектури за машинно обучение.
- Притежава силно аналитично мислене и умения за решаване на проблеми.
- Комуникира ясно сложни технически идеи с нетехнически заинтересовани страни.
- Има опит в работата с различни екипи, като инженеринг на данни, продукт, риск и търговски дейности.
- Съчетава бързото разработване и предоставяне на MVP със стабилно инженерство за продукционна среда.
- Показва лидерство чрез наставничество, техническо влияние и добри инженерни практики.
- Подхожда към предоставянето на решения с ИИ проактивно, самостоятелно и с ориентация към резултатите.
Придобивки
- Конкурентно възнаграждение според опита и квалификацията.
- Цялостни програми за обучение на служителите и професионално развитие.
- Възможности за ръководене на инициативи с ИИ и машинно обучение със значимо въздействие.
- Работа с напреднали технологии за машинно обучение и съвременни MLOps практики.
- Международна работна среда и сътрудничество между различни функции.
- Фирмени, екипни и групови събития.
- Придобивки за рожден ден и лоялност.
- Възможности за професионално израстване и техническо лидерство.
- Допълнителни придобивки и стимули за служителите.