Starszy inżynier uczenia maszynowego, platforma ML

Starszy inżynier uczenia maszynowego w platformie ML jest odpowiedzialny za budowanie, uruchamianie i rozwijanie monorepo ML używanego przez grupę uczenia maszynowego rentgenowskiego, CT i MRI w DeepHealth. Monorepo obejmuje pełną ścieżkę od eksperymentu do produktu: definicje zbioru danych i próbek, kod szkoleniowy i ewaluacyjny, śledzenie eksperymentu, eksport modelu oraz serwery wnioskowania działające w środowisku produkcyjnym. Wszyscy w zespole przyczyniają się do monorepo; ta rola jest jedynym punktem za nią odpowiedzialności. Ta praktyczna rola jest właścicielem architektury, narzędzi i standardów inżynieryjnych tej bazy kodu dla rozproszonego zespołu około dwudziestu inżynierów i naukowców zajmujących się uczeniem maszynowym, współpracujących z twórcami modeli i inżynierami oprogramowania, aby praca zespołu była szybsza, lepsza i łatwiejsza do kontrolowania. Kieruje także strategią kodowania agentowego zespołu, kształtując sposób wykorzystania agentów kodujących AI w całej bazie kodu. Stanowisko podlega Liderowi grupy ML ds. RTG/CT/MRI.

Podstawowe obowiązki i obowiązki

• Posiadaj architekturę i plan działania ML Monorepo:

• Granice modułów, współdzielone abstrakcje zbiorów danych i próbek, pętle szkoleniowe i ewaluacyjne, konfiguracja i śledzenie eksperymentów.

• Zbuduj i uruchom narzędzia inżynieryjne w oparciu o bazę kodu:

• Ciągła integracja, testowanie, zarządzanie zależnościami, kontenery, rejestry artefaktów i modeli oraz planowanie zadań GPU w infrastrukturze chmurowej (GCP) i HPC.

• Posiadaj ścieżkę od wytrenowanego punktu kontrolnego do możliwego do wdrożenia modelu:

• Pakowanie modeli, serwery wnioskowania z narzuconymi kontraktami API, odtwarzalność oraz budżety na wydajność i pamięć na docelowym sprzęcie.

• Zdefiniuj i egzekwuj standardy inżynieryjne (przegląd kodu, testowanie, dokumentacja) w sposób, który przyspiesza badania, a nie je spowalnia.

• Zapewnij identyfikowalność danych, kodu i wersji modelu w eksperymentach i wydaniach.

• Badaj i rozwiązuj problemy z wydajnością, niezawodnością i użytecznością w stosie zgłaszanym przez zespół i ograniczaj ich powtarzanie się dzięki wspólnym narzędziom.

• Kieruj strategią kodowania agentowego zespołu: zdefiniuj, w jaki sposób agenci kodujący AI są wykorzystywani w repozytorium mono, skonfiguruj narzędzia, poręcze i konwencje, które sprawią, że będą skuteczne, i pomóż współpracownikom je wdrożyć.

• Przeglądaj kod, doradzaj współpracownikom w zakresie praktyk inżynieryjnych i jasno komunikuj decyzje techniczne i kompromisy.

UWAGA: nie jest to wyczerpująca lista wszystkich obowiązków, odpowiedzialności i wymagań stanowiska opisanego powyżej. Można przypisać inne funkcje, a kierownictwo zachowuje prawo do dodania lub zmiany obowiązków w dowolnym momencie.

Minimalne kwalifikacje, wykształcenie i doświadczenie

• Tytuł magistra w dziedzinie informatyki, inżynierii, matematyki lub dziedziny pokrewnej lub równoważne doświadczenie praktyczne (wymagane).

• Ponad 5 lat doświadczenia w inżynierii oprogramowania, w tym znacznej części w budowaniu infrastruktury lub narzędzi wykorzystywanych przez zespoły zajmujące się uczeniem maszynowym, takich jak platforma ML lub platforma szkoleniowa (wymagane).

• Dobra znajomość języka Python i podstawy inżynierii oprogramowania: projektowanie API, testowanie, refaktoryzacja i dbałość o doświadczenie programistów (wymagane).

• Znajomość Solid PyTorch i praktyczne doświadczenie w zakresie uczenia modeli i profilowania (wymagane).

• Doświadczenie w uruchamianiu obciążeń ML na platformie chmurowej, najlepiej GCP (Vertex AI, Artifact Registry, IAM, pamięć masowa) oraz z konteneryzacją (wymagane).

• Doświadczenie we wdrażaniu modeli do produkcji: pakowanie modeli, obsługa wnioskowania oraz ograniczenia dotyczące wydajności i niezawodności (wymagane).

• Umiejętność ścisłej współpracy z badaczami, przekładania powtarzających się problemów na wspólne narzędzia i konstruktywnego reagowania, gdy zajdzie taka potrzeba (wymagane).

• Umiejętność samodzielnej pracy w rozproszonym, wielooddziałowym zespole, z jasną komunikacją werbalną i pisemną w języku angielskim (wymagane).

• Doświadczenie w obrazowaniu medycznym (DICOM, tomy 3D, duże obrazy) (preferowane).

• Doświadczenie w HPC i Slurm (preferowane).

• Wkład w narzędzia uczenia maszynowego typu open source (preferowane).

Standardy jakości

• Komunikuje się, współpracuje i konsekwentnie funkcjonuje profesjonalnie i harmonijnie ze wszystkimi poziomami nadzoru, współpracownikami, gośćmi i dostawcami.

• Wykazuje inicjatywę, świadomość osobistą, profesjonalizm i uczciwość oraz zachowuje poufność we wszystkich obszarach swojej działalności.

• Przestrzega wszystkich lokalnych, regionalnych i krajowych przepisów dotyczących zatrudnienia.

• Przestrzega wszystkich zasad i procedur DeepHealth.

• Zawsze przestrzega standardów ochrony danych, zgodności, bezpieczeństwa i poufności.

• Stosuje uniwersalne środki ostrożności.

• Promuje dobre public relations przez telefon i osobiście.

• Przystosowuje się i jest chętny do uczenia się nowych zadań, metod i systemów.

• Raporty do pracy regularnie zgodnie z harmonogramem; niezmiennie punktualny w odniesieniu do godzin pracy, przerw na posiłki i odpoczynek oraz utrzymuje zadowalającą frekwencję osobistą zgodnie z wytycznymi DeepHealth.

• Wykonuje swoje obowiązki w sposób jakościowy i terminowy.

Podróż
Stanowisko to może wymagać okazjonalnych podróży pomiędzy siedzibami zespołu (Paryż, Holandia, Grenoble/Rennes).
Środowisko pracy
Biuro/hybrydowe. Paryż, Île-de-France, Francja.

Wymagania fizyczne
Pracownik musi być w stanie wykonywać podstawowe obowiązki i obowiązki na danym stanowisku, z racjonalnymi usprawnieniami lub bez nich.

Wynagrodzenie:
Zależnie od doświadczenia
50 000-80 000 EURO

Znajdź więcej anglojęzycznych ofert pracy we Francji na Arbeitnow

Źródło: Arbeitnow (https://www.arbeitnow.fr/jobs/companies/deephealth/senior-machine-learning-engineer-ml-platform-paris-406850)