Salve.Inno ialah sebuah firma pengambilan pekerja dan perundingan yang diasaskan pada tahun 2024 dan beribu pejabat di Gdańsk, Poland. Pasukannya yang kecil membantu perniagaan mengambil pekerja melalui strategi pengambilan yang disesuaikan, pencarian bakat jarak jauh di seluruh dunia, saringan calon, dan pengalaman pengambilan pekerja melalui laman kerjaya. Firma ini beroperasi dalam bidang perundingan, pemasaran, dan logistik, dengan kepakaran pengambilan pekerja yang merangkumi jawatan dalam pemasaran, forex, dan iGaming. Salve.Inno turut menyokong organisasi dalam komunikasi, DE&I, serta pembangunan proses pengambilan pekerja yang lebih berkesan, di samping menerbitkan peluang kerja jarak jauh dan menyediakan perkhidmatan perundingan untuk pasaran bakat global.
Ketua Kanan Jurutera Pembelajaran Mesin, AI Gunaan dan MLOps
Pimpin penyelesaian AI pengeluaran dan MLOps untuk organisasi antarabangsa. Bentuk model ramalan, tadbir urus, penggunaan dan seni bina pembelajaran mesin yang boleh diskalakan.
Penerangan
- Bertanggungjawab terhadap model pembelajaran mesin daripada pembangunan hingga pemantauan pengeluaran dan latihan semula.
- Memimpin projek AI gunaan dalam nilai sepanjang hayat pelanggan, kehilangan pelanggan, penipuan dan pencegahan penyalahgunaan.
- Membina dan menambah baik rangka kerja MLOps, penggunaan automatik, CI/CD, promosi persekitaran dan pengurusan kitaran hayat model.
- Mewujudkan pemantauan prestasi model, hanyutan data, kualiti data dan hasil perniagaan.
- Menetapkan strategi latihan semula model, prosedur eskalasi dan amalan penambahbaikan berterusan.
- Menggunakan SHAP dan atribusi ciri untuk menjadikan model lebih telus dan mudah ditafsir.
- Menetapkan piawaian tadbir urus model, dokumentasi, kawalan versi, kebolehulangan dan kebolehauditan.
- Bekerjasama dengan Kejuruteraan Data dalam saluran paip berskala, kejuruteraan ciri dan infrastruktur data yang boleh dipercayai.
- Mengubah cabaran perniagaan menjadi penyelesaian AI yang praktikal dan boleh diskalakan bersama pasukan Produk, Risiko, Komersial dan pasukan lain.
- Menyemak prestasi model pengeluaran untuk meningkatkan ketepatan, kebolehpercayaan dan impak perniagaan.
- Mengekalkan piawaian pengeluaran bagi kestabilan, kebolehskalaan, kebolehselenggaraan dan kecekapan operasi.
- Membimbing dan menjadi mentor kepada rakan jurutera.
- Mengimbangi penghantaran MVP yang pantas dengan kebolehpercayaan dan kebolehskalaan pengeluaran yang berkekalan.
Keperluan
- Mempunyai pengalaman profesional selama 5–8 tahun atau lebih dalam membina, menggunakan dan menyelenggara model pembelajaran mesin dalam pengeluaran.
- Menguasai Python pada tahap lanjutan dan mempunyai asas kejuruteraan perisian yang kukuh.
- Memahami algoritma pembelajaran mesin, penilaian model, kejuruteraan ciri dan pemodelan ramalan.
- Mempunyai pengalaman praktikal menangani isu ML pengeluaran seperti kebocoran data, hanyutan model, kualiti data dan kestabilan model.
- Mempunyai pengalaman langsung dengan Apache Spark atau PySpark untuk pengkomputeran teragih dan pemprosesan data berskala besar.
- Pernah menggunakan MLflow atau platform setara untuk mengurus kitaran hayat pembelajaran mesin.
- Pernah mereka bentuk, melaksanakan dan menyelenggara saluran paip CI/CD, sebaik-baiknya menggunakan GitHub Actions.
- Menguasai SQL lanjutan dan berpengalaman bekerja dengan set data yang besar dan kompleks.
- Memahami penggunaan model, pemantauan, pengesanan hanyutan, latihan semula dan penyelenggaraan pengeluaran.
- Pernah melaksanakan kaedah kebolehjelasan dan kebolehertian model seperti SHAP.
- Pernah menyampaikan penyelesaian AI/ML yang menghasilkan penambahbaikan komersial atau operasi yang boleh diukur.
- Memahami keperluan tadbir urus model, pemversian, dokumentasi dan kebolehulangan.
- Mampu mereka bentuk seni bina pembelajaran mesin yang boleh diskalakan, boleh dipercayai dan mudah diselenggara.
- Mempunyai pemikiran analitis dan kemahiran menyelesaikan masalah yang kukuh.
- Mampu menyampaikan idea teknikal yang kompleks dengan jelas kepada pihak berkepentingan bukan teknikal.
- Pernah bekerja merentas pasukan seperti Kejuruteraan Data, Produk, Risiko dan Komersial.
- Mampu mengimbangi pembangunan pantas dan penghantaran MVP dengan kejuruteraan pengeluaran yang baik.
- Menunjukkan kepimpinan melalui bimbingan, pengaruh teknikal dan amalan terbaik kejuruteraan.
- Mengambil pendekatan proaktif, berdikari dan berorientasikan hasil untuk menyampaikan penyelesaian AI.
Faedah
- Pampasan kompetitif berdasarkan pengalaman dan kelayakan.
- Program latihan pekerja dan pembangunan profesional yang menyeluruh.
- Peluang memimpin inisiatif AI dan pembelajaran mesin yang berimpak tinggi.
- Pendedahan kepada teknologi pembelajaran mesin termaju dan amalan MLOps moden.
- Tempat kerja antarabangsa dengan kerjasama rentas fungsi.
- Acara syarikat, pasukan dan kumpulan.
- Faedah hari lahir dan kesetiaan.
- Peluang untuk berkembang secara profesional dan memegang kepimpinan teknikal.
- Faedah dan insentif pekerja tambahan.