Text copied to clipboard!
Název
Text copied to clipboard!MLOps inženýr
Popis
Text copied to clipboard!
Hledáme MLOps inženýra, který bude zodpovědný za návrh, implementaci a správu spolehlivých procesů pro nasazování, monitorování a údržbu modelů strojového učení v produkčním prostředí. Tato role propojuje datovou vědu, softwarové inženýrství a cloudovou infrastrukturu s cílem zajistit, aby modely fungovaly efektivně, bezpečně a ve velkém měřítku. Ideální kandidát rozumí celému životnímu cyklu modelu – od přípravy dat a trénování až po verzování, testování, nasazení a průběžné vyhodnocování výkonu.
Na této pozici budete úzce spolupracovat s datovými vědci, datovými inženýry, vývojáři a produktovými týmy. Vaším úkolem bude vytvářet automatizované pipeline pro trénování a nasazování modelů, nastavovat CI/CD procesy pro machine learning a zajišťovat reprodukovatelnost experimentů i produkčních běhů. Důležitou součástí práce je také monitorování kvality modelů, detekce datového driftu, správa feature store, evidence metrik a rychlá reakce na provozní incidenty.
MLOps inženýr hraje klíčovou roli při převodu experimentálních modelů do stabilních produkčních řešení. Budete navrhovat architekturu pro škálovatelné zpracování dat, vybírat vhodné nástroje pro orchestraci workflow a podílet se na standardizaci postupů napříč organizací. Očekáváme schopnost pracovat s kontejnery, cloudovými službami, API rozhraními a nástroji pro infrastrukturu jako kód. Stejně důležitá je schopnost komunikovat technická témata srozumitelně různým zainteresovaným stranám.
Úspěšný kandidát má zkušenosti s provozem modelů v reálném prostředí, chápe rozdíl mezi výzkumným prototypem a produkční službou a dokáže navrhovat řešení s důrazem na bezpečnost, dostupnost a nákladovou efektivitu. V této roli budete pomáhat budovat interní standardy, dokumentaci a osvědčené postupy, které umožní rychlejší a kvalitnější doručování AI řešení. Pokud vás baví automatizace, cloudové platformy, spolehlivost systémů a praktické využití strojového učení, tato pozice nabízí příležitost významně ovlivnit technologický rozvoj organizace a přinášet měřitelnou hodnotu prostřednictvím moderních datových a AI produktů.
Odpovědnosti
Text copied to clipboard!- Navrhovat a spravovat pipeline pro trénování, testování a nasazování modelů.
- Automatizovat CI/CD procesy pro řešení založená na strojovém učení.
- Monitorovat výkon modelů, latenci služeb a kvalitu vstupních dat.
- Zajišťovat verzování modelů, datových sad a experimentů.
- Spolupracovat s datovými vědci na převodu prototypů do produkce.
- Spravovat cloudovou infrastrukturu a kontejnerizovaná prostředí pro ML služby.
- Implementovat detekci datového driftu a alerting nad klíčovými metrikami.
- Tvořit technickou dokumentaci, standardy a provozní postupy.
Požadavky
Text copied to clipboard!- Zkušenost s nasazováním modelů strojového učení do produkce.
- Dobrá znalost Pythonu a skriptování pro automatizaci.
- Praxe s Dockerem, Kubernetes nebo podobnými technologiemi.
- Znalost cloudových platforem jako AWS, Azure nebo Google Cloud.
- Zkušenost s CI/CD nástroji a správou infrastruktury jako kód.
- Porozumění monitoringu, logování a observabilitě systémů.
- Schopnost spolupracovat napříč technickými i produktovými týmy.
- Výhodou je zkušenost s MLflow, Kubeflow, Airflow nebo feature store řešeními.
Potenciální otázky na pohovor
Text copied to clipboard!- Jaké máte zkušenosti s nasazováním ML modelů do produkčního prostředí?
- S jakými cloudovými platformami jste pracoval(a) nejčastěji?
- Jaké nástroje používáte pro verzování modelů a experimentů?
- Máte zkušenost s Kubernetes nebo orchestrací kontejnerů?
- Jak řešíte monitoring výkonu modelu a detekci driftu dat?
- Podílel(a) jste se na návrhu CI/CD pipeline pro machine learning?
- Jaké jsou podle vás největší rozdíly mezi DevOps a MLOps?
- Jak přistupujete k reprodukovatelnosti trénování a nasazení modelů?
