Senior staff gépitanulás-platform mérnök

Stack

Feladatok

• ▹Az ML-platform hosszú távú architektúrájának meghatározása: tanítás, inferencia, feature-kezelés, governance
• ▹Vállalati szabványok kialakítása a kódminőségre, tesztelésre, MLOps-ra (CI/CD), kísérletezésre, modell-életciklusra és megfigyelhetőségre
• ▹A Unity Catalog, a több workspace-es stratégiák és az adat-/ML-mesh minták bevezetésének vezetése
• ▹Skálázható ML-munkafolyamatok tervezése Spark, Delta Lake és MLflow segítségével
• ▹A platform teljesítményének, megbízhatóságának és költségeinek optimalizálása
• ▹Új Databricks-funkciók értékelése és integrálása
• ▹Senior ML-tanácsadás az adattudományi és a production mérnöki csapatoknak
• ▹A Faire képviselete ML-konferenciákon és meetupokon
• ▹ML-mérnökök mentorálása

Elvárások

• ▹10-12 év tapasztalat nagy léptékű ML- vagy adatplatformok építésében és fejlesztésében
• ▹Mély Databricks lakehouse-ismeret: governance Unity Cataloggal, Workflows-alapú orkesztráció, költségoptimalizálás
• ▹Bizonyított képesség több adattudományi csapatot és éles terhelést kiszolgáló rendszerek tervezésére
• ▹Erős háttér az elosztott rendszerek, az ML-infrastruktúra és a felhőarchitektúra terén
• ▹Csapatokon átívelő technikai vezetés, befolyásolás formális hatalom nélkül
• ▹Python, SQL, Kotlin, PyTorch, PySpark, MLflow, Spark, Kafka, Databricks ismerete

Előny

• ▹LLM-munkafolyamatok vállalati platformba integrálásában szerzett tapasztalat
• ▹Hozzájárulás nyílt forráskódú ML-infrastruktúra-projektekhez vagy kutatási publikációk (nagyon erős plusz)

Soft skillek

A munkáltatóról

A Faire technológiai nagykereskedelmi platform, amely a helyi kereskedelem jövőjébe vetett hitre épül. Adattal, technológiával és gépi tanulással köti össze a független kiskereskedőket a világ termékeivel.