Parser ialah sebuah syarikat penyelesaian teknologi dan perundingan yang diasaskan pada tahun 2018 untuk membantu organisasi menerapkan kecerdasan buatan, data dan kejuruteraan perisian bagi menangani keperluan perniagaan yang kompleks. Kerjanya merangkumi pembangunan perisian tersuai, penggunaan AI dan data, reka bentuk produk serta perundingan transformasi digital. Parser bekerjasama dengan pemimpin teknologi untuk membentuk penyelesaian yang mudah disesuaikan mengikut matlamat mereka, dengan menggabungkan kepakaran kejuruteraan, tumpuan terhadap inovasi praktikal dan hubungan perkongsian jangka panjang dengan pelanggan.
Jurutera Backend Kanan, MLOps
Bina infrastruktur MLOps boleh skala untuk peneraju global dalam industri pelancongan, termasuk saluran paip data, pelaksanaan model dan sistem pembelajaran mesin masa nyata. Sertai pasukan hibrid Parser di Sepanyol.
Penerangan
- Bangunkan infrastruktur boleh skala untuk latihan dan pelaksanaan pembelajaran mesin serta penyajian secara kelompok atau masa nyata.
- Bina dan selenggara saluran paip data untuk pemprosesan berskala besar dan kejuruteraan ciri.
- Optimumkan penggunaan pengkomputeran dan tingkatkan prestasi penyajian model merentas sistem ML.
- Sediakan pemantauan, pengelogan dan pemberitahuan untuk sistem ML.
- Bantu membangunkan amalan operasi ML, termasuk saluran paip CI/CD.
- Bekerjasama dengan saintis data untuk memindahkan model daripada pembangunan ke produksi.
- Nilai dan integrasikan teknologi baharu.
- Bimbing jurutera junior melalui tunjuk ajar.
- Terangkan penyelesaian teknikal kepada pelbagai pihak berkepentingan.
Keperluan
- Ijazah sarjana muda atau sarjana dalam sains komputer, kejuruteraan perisian atau bidang teknikal berkaitan.
- Biasanya mempunyai pengalaman 6–7 tahun dalam peranan kejuruteraan perisian, data atau pembelajaran mesin.
- Keupayaan menyelesaikan masalah yang kukuh.
- Mahir dalam Java; pengetahuan Python merupakan kelebihan.
- Memahami algoritma pembelajaran mesin dan seni bina model.
- Berpengalaman membangunkan sistem pembelajaran mesin yang boleh skala dan andal.
- Pendedahan kepada platform awan seperti AWS.
- Berpengalaman menggunakan Docker atau teknologi kontena lain.
- Berpengalaman dengan sistem data boleh skala seperti Spark atau Kafka.
- Mahir menggunakan alat CI/CD seperti GitHub Actions.
- Mahir dengan teknologi penyajian model seperti MLflow.
- Mampu bekerja dengan berkesan merentas pasukan.
Faedah
- Pasukan yang mesra dan kolaboratif serta menghargai perkongsian pengetahuan dan pembelajaran berterusan.
- Budaya kerja yang berorientasikan tindakan.
- Peluang membina infrastruktur MLOps dan pembelajaran mesin untuk sistem masa nyata menggunakan teknologi seperti Java, Python, AWS, Docker, Kafka, Spark dan MLflow.