مهندس MLOps | MLOps Engineer

شرح وظایف:

• طراحی، توسعه و مدیریت پایپ‌لاین‌های CI/CD برای مدل‌های یادگیری ماشین.
• استقرار، مانیتورینگ و بهینه‌سازی مدل‌های یادگیری ماشین در محیط‌های Production.
• کار با Docker ،Kubernetes و ابزارهای اورکستراسیون جهت مدیریت کانتینرها و منابع.
• بهینه‌سازی عملکرد مدل‌ها و مدیریت منابع محاسباتی.
• توسعه و پیاده‌سازی MLOps Best Practices برای بهبود بهره‌وری تیم Data Science.
• مدیریت Feature Store و پردازش داده‌ها برای استقرار مدل‌ها.
• بررسی، لاگ‌گیری و مانیتورینگ مدل‌ها جهت شناسایی درفت مدل و بهبود آن.
• همکاری نزدیک با سایر تیم‌ها.

شرایط احراز:

• تجربه عملی در استقرار مدل‌های یادگیری ماشین و مدیریت چرخه عمر ML.
• تسلط بر Python و کتابخانه‌های مربوط به ML.
• آشنایی با Docker ،Kubernetes ،MLflow ،Airflow و ابزارهای مشابه.
• تجربه در پیاده‌سازی CI/CD برای ML و کار با Git یا ابزارهای مشابه.
• مهارت در مانیتورینگ مدل‌ها و ابزارهایی مانند Prometheus و Grafana.
• درک قوی از Data Engineering، پردازش داده‌ها و Feature Engineering.

مهارت‌های امتیازی:

• تجربه در توزیع مدل‌ها با Kubernetes و Kubeflow.
• آشنایی با Apache Spark و Big Data Processing.
• تجربه در بهینه‌سازی GPU/TPU و پردازش مدل‌های سنگین.

Task Description:
- Using analytical skills, machine learning and data-based mentality for banking systems development
- Developing quantitative models and analyzing financial information by processing time series and presenting these analysis results in table, chart or report
Skills:
- Practical Experience in Machine Learning Models and Lifestyle Management
Machine
- Introduction to Pipeline Development and Management for Car Learning Models
- Skills in Monitoring Models
- Problem Solving Skills