Parser — технологічна та консалтингова компанія, заснована у 2018 році. Вона допомагає організаціям застосовувати штучний інтелект, дані та програмну інженерію для розв’язання складних бізнес-завдань. Компанія займається розробленням програмного забезпечення на замовлення, використанням ШІ та даних, проєктуванням продуктів і консалтингом у сфері цифрової трансформації. Parser співпрацює з лідерами технологічної галузі, створюючи адаптивні рішення відповідно до їхніх цілей і поєднуючи інженерну експертизу з практичним підходом до інновацій та орієнтацією на довгострокове партнерство з клієнтами.
Старший інженер серверної розробки, MLOps
Створюйте масштабовану інфраструктуру MLOps для світового лідера туристичної галузі: конвеєри даних, розгортання моделей і системи машинного навчання в реальному часі. Приєднуйтеся до гібридної команди Parser в Іспанії.
Опис
- Розробляйте масштабовану інфраструктуру для навчання моделей машинного навчання, їх розгортання та пакетного або потокового обслуговування.
- Створюйте й підтримуйте конвеєри даних для обробки великих обсягів даних і розробки ознак.
- Оптимізуйте використання обчислювальних ресурсів і підвищуйте продуктивність обслуговування моделей у системах машинного навчання.
- Налаштовуйте моніторинг, журналювання та сповіщення для систем машинного навчання.
- Допомагайте розвивати практики експлуатації машинного навчання, зокрема конвеєри CI/CD.
- Співпрацюйте з фахівцями з даних, щоб переносити моделі з розробки у промислову експлуатацію.
- Оцінюйте й інтегруйте нові технології.
- Наставляйте та підтримуйте молодших інженерів.
- Пояснюйте технічні рішення зацікавленим сторонам із різним рівнем підготовки.
Вимоги
- Ступінь бакалавра або магістра з інформатики, розробки програмного забезпечення чи суміжної технічної галузі.
- Зазвичай 6–7 років досвіду роботи у сфері розробки програмного забезпечення, даних або машинного навчання.
- Розвинені навички розв’язання проблем.
- Впевнене володіння Java; знання Python буде перевагою.
- Розуміння алгоритмів машинного навчання та архітектур моделей.
- Досвід розробки масштабованих і надійних систем машинного навчання.
- Досвід роботи з хмарними платформами, наприклад AWS.
- Досвід роботи з Docker або іншими засобами контейнеризації.
- Досвід роботи з масштабованими системами даних, наприклад Spark або Kafka.
- Знайомство з інструментами CI/CD, наприклад GitHub Actions.
- Знайомство з технологіями обслуговування моделей, наприклад MLflow.
- Здатність ефективно співпрацювати з різними командами.
Переваги
- Привітна команда, яка цінує обмін знаннями та постійне навчання.
- Культура роботи, орієнтована на дії.
- Можливість створювати інфраструктуру MLOps і машинного навчання для систем реального часу, використовуючи такі технології, як Java, Python, AWS, Docker, Kafka, Spark і MLflow.