استخدام mlops engineer

توضیحات آگهی

ما در داتا بازوی هوش مصنوعی و تحلیل داده بانک تجارت در حال توسعه سامانه های نسل جدید AI و Machine Learning هستیم که نیازمند زیرساخت هایی پایدار مقیاس پذیر و قابل اتکا هستند به همین دلیل به دنبال یک MLOps Engineer هستیم تا با همکاری نزدیک با تیم های AI و Software Engineering مسئولیت طراحی پیاده سازی بهینه سازی و نگهداری زیرساخت های GPU و ML شامل ML Pipelines Deployment Monitoring و Automation را بر عهده بگیرد و زمینه اجرای پایدار و production ready شدن workloadهای تحقیقاتی و عملیاتی را فراهم کند
مسئولیت ها
طراحی و پیاده سازی GPU CPU Health Checks در فرآیند Provisioning و بهره برداری شامل بررسی ECC PCIe Thermal و Link Stability
طراحی مدیریت و بهینه سازی کلاسترهای Kubernetes و Docker برای workloadهای AI و ML
طراحی پیاده سازی و نگهداری ML Pipelines و workflowهای مرتبط با آموزش ارزیابی و استقرار مدل ها با استفاده از ابزارهایی مانند Kubeflow و MLflow
مدیریت و استقرار سرویس ها و Deploymentها با استفاده از Helm و ArgoCD
طراحی و پیاده سازی فرآیندهای CI CD و Automation با ابزارهایی مانند GitLab CI GitHub Actions و Jenkins
طراحی و پیاده سازی Monitoring Observability و Alerting با ابزارهایی مانند Prometheus و Grafana
مدیریت Configuration و اجرای فرآیندهای Infrastructure Automation با استفاده از Ansible
تحلیل و رفع مشکلات زیرساختی در محیط های Development Staging و Production
همکاری با تیم های AI ML و Software Engineering برای تبدیل workloadهای تحقیقاتی و prototypeها به سرویس ها و زیرساخت های پایدار و production ready
توانمندی های مورد انتظار
حداقل 2 سال تجربه در یکی از حوزه های DevOps MLOps SRE یا Infrastructure Engineering
تسلط مناسب به Linux و Python و توانایی توسعه ابزارهای Automation و Infrastructure Tooling
تجربه عملی در مدیریت و نگهداری Kubernetes و Docker در محیط های Production
تجربه کار با Helm و ArgoCD و آشنایی با مفاهیم GitOps و Modern Deployment
تجربه طراحی و پیاده سازی فرآیندهای CI CD
تجربه یا آشنایی عملی با Kubeflow MLflow و ML Workflows
تجربه پیاده سازی Monitoring و Alerting با ابزارهایی مانند Prometheus و Grafana
آشنایی با PyTorch TensorFlow و مفاهیم مرتبط با اجرای workloadهای ML
درک مناسب از GPU Hardware و GPU Diagnostics شامل ECC PCIe Thermal و Link Stability
آشنایی با مفاهیم Networking Security و System Administration
آشنایی با زیرساخت های Cloud و On Premise
مزیت محسوب می شود
تجربه عملی در طراحی و مدیریت GPU Cluster و زیرساخت های محاسباتی AI ML
تجربه کار با NVIDIA GPU CUDA و ابزارهای GPU Diagnostics
تجربه استقرار و نگهداری LLM و AI Workloads روی GPU
آشنایی با Model Serving Inference Infrastructure و GPU Scheduling
تجربه طراحی زیرساخت های Highly Available Scalable و Fault Tolerant
تجربه کار با Observability Logging و Distributed Tracing
تجربه کار با Cloud Platforms و سرویس های مرتبط با Infrastructure و ML
شرکت داده و اعتبار سنجی تجارت ایرانیان داتا Datatejarat
دسته بندی وب برنامه نویسی و نرم افزار
نحوه همکاری تمام وقت
نوع همکاری حضوری
مدرک تحصیلی کارشناسی
سابقه کار سه تا شش سال
حقوق توافقی
جنسیت مهم نیست
مهارت ها Python MLOps یادگیری ماشین
شهر تهران تهران