Starszy inżynier ML

Pracuje w: CreateFuture

CreateFuture to partner konsultingowy oparty na sztucznej inteligencji, w którym ludzie wykonują pracę, która ma znaczenie, i otrzymują wsparcie, aby wykonywać ją dobrze. Współpracujemy z organizacjami takimi jak PayPal, adidas, NatWest, FanDuel i Money Saving Expert, tworząc cyfrowe produkty i usługi, które robią różnicę, zawsze stawiając ludzi na pierwszym miejscu.

Jesteśmy zespołem twórców. Piszemy kod, kształtujemy dostawę, budujemy strategie wejścia na rynek, opracowujemy rozwiązania AI i tworzymy praktyki, które wspierają naszych ludzi. Pracujemy ramię w ramię z naszymi klientami, kwestionując to, co nie działa, i pomagając im budować przyszłość. Nasze zaangażowanie w rzemiosło, jakość i kulturę pomogło nam w ciągu zaledwie kilku lat rozrosnąć się do ponad 600 osób.

CreateFuture to firma posiadająca certyfikat Great Place to Work-Certified™, która wiele lat z rzędu zdobywała tytuł Best Workplaces UK.

Dołącz do nas w naszej podróży. Stwórzmy jutro razem, już dziś.

O roli i zespole:

Poszukujemy starszego inżyniera danych specjalizującego się w uczeniu maszynowym, który dołączy do naszego zespołu ds. danych i przejmie odpowiedzialność za potoki danych i funkcji, od których zależą produkcyjne systemy ML, przygotowanie danych szkoleniowych, inżynierię funkcji oraz ścieżkę od modelu działającego w notatniku do takiego, który działa i nadal działa w środowisku produkcyjnym. Będziesz pracować z dużą autonomią nad bardziej złożonymi i niejednoznacznymi problemami w kontaktach z klientami, ściśle współpracując z analitykami danych i inżynierami ML, jednocześnie będąc mentorem dla młodszych inżynierów i pomagając podnosić poprzeczkę w praktyce inżynierskiej. Podstawy nadal mają znaczenie: jest to w istocie rola inżynierii danych, zbudowana na Pythonie, PySpark i platformach takich jak Databricks, Snowflake czy AWS.

Co będziesz robić:

• Przejmij odpowiedzialność za projektowanie, budowanie i utrzymywanie potoków danych produkcyjnych i funkcji, od których zależą systemy uczenia maszynowego, przygotowywanie danych szkoleniowych, inżynierię funkcji i odtwarzalne, poprawne w danym momencie zbiory danych, przy minimalnym nadzorze

• Przenieś modele od prototypu do produkcji i przechowuj je tam: pakowanie i wdrażanie wraz z kolegami z analityki danych, wersjonowanie modeli, automatyczne ponowne szkolenie i monitorowanie wychwytujące dryf i degradację, zanim zrobi to klient

• Twórz i utrzymuj potoki wsadowe i ELT, na których opiera się praca z uczeniem maszynowym, korzystając z Pythona, PySpark i usług danych w chmurze (np. AWS Glue, EMR, S3, Redshift, Athena lub odpowiedniki Databricks/Snowflake), podejmując rozsądne decyzje dotyczące architektury, modelowania danych i narzędzi oraz rozważając kompromisy w zakresie wydajności, kosztów i łatwości konserwacji

• Posiadaj i stale ulepszaj CI/CD dla przepływów pracy związanych z danymi i ML, zapewniając niezawodne, powtarzalne wdrożenia zarówno potoków, jak i modeli

• Mentorowanie i wspieranie inżynierów danych niższego i średniego szczebla, przeglądanie kodu i dzielenie się wiedzą w celu podniesienia standardu dostarczania w całym zespole

• Rozwiązuj problemy i rozwiązuj złożone problemy w bieżących potokach danych i wdrożonych modelach, działając jako punkt eskalacji dla szerszego zespołu

• Współpracuj z analitykami danych, zespołami wielofunkcyjnymi i interesariuszami klientów, aby zrozumieć wymagania dotyczące danych i uczenia maszynowego oraz przekształcić je w rozwiązania techniczne

Chętnie z Tobą porozmawiamy, jeśli:

• Mieć praktyczne doświadczenie w budowaniu potoków danych i funkcji na potrzeby produkcyjnego uczenia maszynowego, przygotowywania danych szkoleniowych, inżynierii funkcji i przechowywania funkcji oraz rozumieć, dlaczego odtwarzalność i poprawność w określonym momencie mają większe znaczenie, niż się wydaje

• Pracowałeś z MLOps raczej w praktyce niż w zasadzie: wersjonowanie modeli i rejestry, śledzenie eksperymentów, automatyczne ponowne szkolenie i monitorowanie dryftu i degradacji modelu (MLflow, SageMaker, Databricks ML, Vertex AI lub porównywalne)

• Znają się na frameworkach ML, takich jak scikit-learn, PySpark MLlib lub PyTorch/TensorFlow, na tyle, aby móc produkować pracę analityka danych, określić, czego model potrzebuje na podstawie danych i wykryć, gdzie potok szkoleniowy i potok obsługujący po cichu się rozeszły. Nie musisz być osobą projektującą model

• Zaprojektowałeś i obsługiwałeś potoki danych produkcyjnych na nowoczesnej platformie danych w chmurze, AWS (Glue, EMR, Redshift, S3/Lake Formation), Databricks, Snowflake lub porównywalnej, i potrafisz powiedzieć, które z tych decyzji trafią do innej, a które nie

• Posiadaj głębokie umiejętności SQL i praktyczne doświadczenie w modelowaniu danych (np. Kimball, wzorce medalionu/lakehouse lub modelowanie oparte na domenie). Jest to nośna, niezależna od dostawcy umiejętność, która leży u podstaw prawie wszystkich naszych prac nad rurociągami

• Posiadaj silny język Python i PySpark do przetwarzania wsadowego, z dobrze przetestowanym kodem klasy produkcyjnej. Większość tej pracy to prace wsadowe i ELT, ale musisz mieć doświadczenie z potokami sterowanymi zdarzeniami lub mikrowsadami i wiedzieć, gdzie założenia projektowe przestają się sprawdzać

• Posiadasz orkiestrację w produkcji, projektowanie zależności, ponowne próby, umowy SLA i obserwowalność, która informuje, że potok uległ awarii, zanim zrobi to klient

• Posiadać doświadczenie w wykonywaniu prac związanych z inżynierią danych przy ograniczonym nadzorze, w tym w zarządzaniu i wsparciu CI/CD

• Mieć doświadczenie w mentorowaniu lub wspieraniu rozwoju mniej doświadczonych inżynierów

• Czują się komfortowo pracując bezpośrednio z interesariuszami w celu kształtowania rozwiązań technicznych na podstawie niejednoznacznych wymagań, prezentując swoją pracę, szacunki i omawiając kompromisy i ryzyko.

Co Ci zaoferujemy:

Ufamy, że ludzie wykonają swoją pracę najlepiej jak potrafią. Oznacza to elastyczność w stosunku do sztywnych zasad, wpływ na działanie i prawdziwą inwestycję w swój rozwój zarówno zawodowy, jak i osobisty. Będziesz częścią wspierającej i przyjaznej kultury, otoczonej mądrymi, ciekawymi świata ludźmi, którym bardzo zależy na tym, co robią.

Oferujemy elastyczną pracę, w tym opcje hybrydowe i zdalne. Nasze centra biurowe znajdują się w Edynburgu, Leeds, Manchesterze, Londynie i Bułgarii, a w razie potrzeby okazjonalnie podróżujemy do siedzib klientów lub biur CreateFuture.…

Źródło: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/xdesign/senior-ml-engineer-388909)