Valarian
Valarian
Bumubuo ang Valarian ng imprastraktura para sa soberanya ng datos at seguridad para sa mga komersyal na negosyo at institusyon ng pamahalaan. Dinisenyo ang platform nito para sa mga organisasyon sa depensa, pangangalagang pangkalusugan, at iba pang sektor na may mahigpit na regulasyon na kailangang protektahan ang sensitibong impormasyon habang tinutupad ang mga lokal na obligasyon sa pagsunod. Nakatuon ang Valarian sa lokalisasyon ng datos, masusing pamamahala ng access, kakayahang ma-audit, at katatagan laban sa mga banta sa cyber, pagkaantala sa network, paglabag sa datos, at panganib na geopolitikal. Sinusuportahan ng kumpanya ang mga organisasyong nagpapatakbo sa iba’t ibang bansa sa pamamagitan ng pagtulong sa kanilang mapanatili ang kontrol sa datos nang hindi nililimitahan ang kanilang kakayahang magbago at makipagkumpitensya sa pandaigdigang merkado.

Senior MLOps Engineer sa Valarian

Pamahalaan ang mga production LLM application at imprastraktura ng agentic AI sa Valarian, isang kumpanyang gumagawa ng teknolohiyang panseguridad na may dalawahang gamit. Saklaw ng tungkulin ang mga Kubernetes deployment, observability, data pipeline, at pagiging maaasahan ng serbisyo.

Paglalarawan

  • Pangasiwaan ang deployment, monitoring, orchestration, at pagiging maaasahan ng mga production LLM application at platform ng agentic AI.
  • Magdisenyo at magpatakbo ng mga LLM service, agentic application, at sumusuportang AI workload sa mga Kubernetes cluster na may mataas na throughput.
  • I-automate ang mga container deployment, nasusukat na inference endpoint, at blue-green o canary release sa pamamagitan ng mga CI/CD pipeline.
  • Panatilihin ang mga production agentic AI workflow, kabilang ang sunod-sunod na pagpapatakbo ng mga tool, pamamahala ng estado, at koordinasyon ng mga agent.
  • Siyasatin at lutasin ang mga problemang sumasaklaw sa lohika ng AI application, mga orchestration framework, panlabas na API, at imprastraktura sa cloud.
  • Bumuo ng mga sistema ng monitoring at evaluation para sa katumpakan ng output, drift, latency, gastos, at mga sukatan ng hallucination.
  • Magdagdag ng trace-level na visibility sa mga landas ng pagpapatakbo ng agent, kabilang ang mga prompt, completion, tool call, at bawat hakbang.
  • Subaybayan at pagbutihin ang mga real-time at batch na data pipeline, feature store, vector index, at mga update sa embedding.
  • Pamahalaan ang mga resource ng GPU at CPU, memory, autoscaling, at gastos sa cloud upang mapahusay ang oras bago ang unang token at throughput.

Mga Kinakailangan

  • May hindi bababa sa tatlong taong karanasan sa MLOps, LLMOps, platform engineering, imprastraktura ng AI, o SRE na nakatuon sa mga machine learning workload.
  • May praktikal na karanasan sa pag-deploy at pagpapatakbo ng masalimuot na containerized application sa malawakang saklaw gamit ang Kubernetes, gaya ng EKS, GKE, AKS, o bare metal.
  • Mahusay sa Python para sa backend automation, pag-debug ng system, mga pasadyang tool, at integration.
  • May karanasan sa mga tool para sa monitoring at logging gaya ng Prometheus, Grafana, Datadog, o OpenTelemetry, at mga platform para sa LLM tracing at evaluation gaya ng LangSmith, Phoenix/Arize, Langfuse, o TruLens.
  • Pamilyar sa mga modernong CI/CD system gaya ng GitHub Actions, GitLab CI, o ArgoCD, at mga infrastructure as code tool gaya ng Terraform o Pulumi.
  • May matibay na pag-unawa sa pagpapatakbo ng mga agentic architecture, prompt chaining, function calling at pagpapatakbo ng tool, pati na sa hindi deterministikong asal ng application.
  • Karagdagang bentahe ang praktikal na karanasan sa pagpapatakbo ng mga Retrieval-Augmented Generation (RAG) pipeline at production vector database.
  • Karagdagang bentahe ang aktuwal na pagkakakilala sa mga framework para sa pagbuo at orchestration ng agent.
  • Karagdagang bentahe ang pagkakalantad sa mga high-performance LLM serving engine at framework.
  • Karagdagang bentahe ang pag-unawa sa mga kasanayan sa seguridad ng AI at mga rate limit o kontrol sa gastos.

Mga Benepisyo

  • Equity.
  • Kumpitensiyang suweldo.
  • Kontribusyon ng employer sa pensiyon.
  • Pribadong segurong pangkalusugan.
  • Kaayusan sa trabahong hybrid.
  • Mga membership sa gym.
  • Mga company retreat at pagtitipon na idinisenyo upang suportahan ang balanse sa trabaho at buhay.

Mga Kaugnay na Trabaho

Faculty

Senior na Machine Learning Engineer sa Faculty (Hybrid, UK)

Faculty

Pangunahan ang disenyo at paghahatid ng mga responsable at handa nang gamitin sa produksyon na machine learning system para sa mga kliyente ng Faculty sa malinis na enerhiya at sustainability. Magpayo sa mga kliyente, gumabay sa deployment, at mag-mentor ng mga engineer.

Buksan