مهندسی عملیات یادگیری ماشین (MLOps)

موقعیت: هانوی

مسئولیت‌های کلیدی:
● طراحی، ساخت و عیب‌یابی سیستم‌ها و برنامه‌های AI در سطح تولید در
GCP و AWS
● توسعه و نگهداری خطوط لوله CI/CD با استفاده از ابزارهایی مانند Jenkins، GitHub Actions، یا
مشابه.
● بهینه‌سازی، بازنویسی، کانتینرization، استقرار و نظارت بر مدل‌های علوم داده، با اطمینان از
نسخه‌بندی و کنترل کیفیت مناسب.
● اتوماسیون تست، اعتبارسنجی و ارزیابی عملکرد مدل‌های یادگیری ماشین.
● همکاری با دانشمندان داده، مهندسان و معماران برای ارائه راه‌حل‌های مقیاس‌پذیر،
مستند کردن فرآیندها به طور واضح و جامع.
● مدیریت و بهینه‌سازی زیرساخت به عنوان کد (IaC) با استفاده از ابزارهایی مانند Terraform یا
CloudFormation برای اطمینان از محیط‌های مقیاس‌پذیر و قابل تکرار.
● پیاده‌سازی و نظارت بر معیارهای عملکرد مدل در تولید، و به‌طور فعال به مسائل انحراف، تعصب، یا کاهش پاسخ دهید.
● اطمینان از امنیت و انطباق سیستم‌های AI، از جمله استانداردهای حریم خصوصی داده‌ها (به عنوان مثال، GDPR، HIPAA) و شیوه‌های استقرار امن.

صلاحیت‌های مورد نیاز:
● تجربه ثابت طراحی و پیاده‌سازی خطوط لوله MLOps در پلتفرم‌های ابری
(ترجیحاً GCP و AWS).
● تخصص عملی در چارچوب‌های MLOps (به عنوان مثال، Kubeflow، MLFlow، Metaflow،
Ray) و ابزارهای کانتینرization (Docker، Kubernetes).
● مهارت‌های برنامه‌نویسی قوی در Python، Bash، یا مشابه، همراه با دانش عمیق از
محیط‌های لینوکس.
● تجربه با ابزارهای نظارتی مانند Prometheus، Grafana، یا چارچوب‌های ثبت سفارشی
برای پیگیری سیستم و عملکرد مدل.
● آگاهی از چارچوب‌های محاسبات توزیع‌شده (به عنوان مثال، Spark، Ray) برای مدیریت پردازش داده‌های بزرگ یا آموزش مدل.
● درک APIs RESTful و معماری میکروسرویس‌ها، با تجربه
در ادغام مدل‌های یادگیری ماشین به اکوسیستم‌های برنامه.
● مهارت‌های عالی ارتباطی به زبان انگلیسی، با رویکردی مشارکتی و تیم‌محور.
صلاحیت‌های ترجیحی:
● تجربه با پردازش داده‌های زمان واقعی یا محاسبات لبه.

● سوابق در برنامه‌های AI/ML مرتبط با علوم اعصاب، پوشیدنی‌ها، یا تعامل انسان-
کامپیوتر (مطابق با مأموریت EMOTIV).
لطفاً رزومه خود را به خانم هویِن در huyennguyen@emotiv.com ارسال کنید.