MLOps Engineer

Заголовок: MLOps Engineer Местоположение: 2 локации

Местоположение: Нью-Йорк Местоположение: Вирджиния Занятость: Полная занятость

Приятно работать в компании, где люди искренне ВЕРЯТ в то, чем занимаются! Мы стремимся привнести страсть и ориентацию на клиента в бизнес.

Fractal — стратегический партнер Fortune 500 компаний в области ИИ с видением сделать возможным каждое управленческое решение на предприятии. Fractal создает мир, где индивидуальный выбор, свобода и разнообразие являются величайшими активами; экосистему, где человеческое воображение находится в центре каждого решения. Где ни одна возможность не отвергается, а лишь бросается вызов, чтобы стать лучше. Мы верим, что настоящий "Fractalite" — это тот, кто наделяет воображение интеллектом. Fractal был отмечен как "Great Place to Work" изданием The Economic Times в партнерстве с Great Place to Work® Institute и признан "Cool Vendor" и "Vendor to Watch" компанией Gartner.

Обзор роли

MLOps Engineer - Консультант

Мы нанимаем старшего MLOps инженера на консультативной основе для помощи в эксплуатации портфеля решений машинного обучения в области закупок и андеррайтинга. Вы будете работать вместе с нашей командой AI/MLOps и в партнерстве с нашими командами Data Science и Data Engineering для предоставления сервисов инференса, конвейеров данных, фреймворков инжиниринга признаков и возможностей управления жизненным циклом моделей.

Это практическая инженерная роль. Вы должны быть готовы тратить большую часть своего времени на написание продакшн-кода, проектирование масштабируемых сервисов, создание многократно используемых возможностей ML-платформы и обеспечение готовности решений машинного обучения к эксплуатации во всех средах разработки, тестирования и продакшена.

Объем работ

Обслуживание моделей - синхронное и асинхронное

• Проектирование и создание сервисов FastAPI, которые предоставляют модели нижестоящим приложениям, включая контракты запросов/ответов, аутентификацию и авторизацию, валидацию входных данных, обработку ошибок, структурированное логирование, трассировку и метрики.
• Реализация асинхронных паттернов обслуживания на основе очередей для рабочих нагрузок с более высокой задержкой и более высокой пропускной способностью с использованием таких технологий, как SQS и Kafka.
• Контейнеризация сервисов с помощью Docker и их развертывание в средах Kubernetes/EKS с наблюдаемостью и масштабируемостью продакшн-уровня.
• Проектирование и реализация паттернов инференса моделей как для пакетных, так и для сценариев обслуживания в реальном времени.

ML-платформа и управление жизненным циклом

• Проектирование и реализация сквозных паттернов на основе MLflow для обучения моделей, отслеживания экспериментов, реестра моделей, развертывания и инференса.
• Создание и управление воспроизводимыми ML-рабочими процессами, обеспечивая бесшовное продвижение моделей между средами разработки, тестирования и продакшена.
• Управление артефактами моделей, версиями, происхождением и управлением развертыванием с использованием возможностей MLflow и Databricks.
• Создание стандартизированных MLOps-фреймворков и многократно используемых шаблонов реализации, которые могут быть приняты для различных ML-сценариев.

Инжиниринг данных и конвейеры признаков

• Создание воспроизводимых конвейеров обучения и инференса на Databricks и PySpark, от необработанных источников до подготовленных признаков и обучающих наборов данных.
• Проектирование и разработка конвейеров с использованием возможностей Databricks, включая MLflow, Delta Lake, Databricks Workflows и Databricks Asset Bundles (DABs).
• Владение кодом предварительной обработки данных, трансформации и инжиниринга признаков, а также эволюция существующих решений в масштабируемые, многократно используемые продакшн-фреймворки.
• Обеспечение согласованной логики инжиниринга признаков и обработки данных между путями обучения, пакетного инференса и обслуживания в реальном времени.

Архитектура и проектирование решений

• Участие в обсуждениях дизайна решений с заинтересованными сторонами из Data Science, Data Engineering, Platform Engineering, бизнеса и IT.
• Создание диаграмм технической архитектуры, шаблонов решений, проектных документов и руководств по внедрению.
• Оценка компромиссов между масштабируемостью, поддерживаемостью, производительностью и операционной сложностью при определении целевых архитектур.
• Предоставление технических рекомендаций и рекомендаций по лучшим практикам MLOps, подходам к развертыванию и внедрению платформ.

Надежность и наблюдаемость

• Внедрение мониторинга производительности моделей, дрейфа предсказаний, качества данных, состояния сервиса и надежности конвейеров.
• Диагностика производственных инцидентов в конвейерах и сервисах, выявление первопричин и устранение устойчивых проблем.
• Установление операционных стандартов для развертывания, мониторинга, оповещения и поддержки.

Инженерные практики

• Применение сильных основ программной инженерии, включая тестирование, ревью кода, CI/CD, управление версиями, управление зависимостями и автоматизацию инфраструктуры.
• Создание и поддержка общих библиотек, стартовых шаблонов, многократно используемых фреймворков и инженерных стандартов.
• Использование GitHub Copilot и Claude Code для повышения производительности разработчиков, качества кода и скорости поставки.
• Четкое документирование решений, чтобы внутренние команды могли ими владеть и управлять после завершения проекта.

Что вы принесете

Обязательно

• Глубокие практические знания Python для инжиниринга данных и разработки бэкенд-приложений.
• Большой опыт разработки продакшн-сервисов с использованием FastAPI.
• Практический опыт работы с платформой Databricks, включая:
  • MLflow
  • Delta Lake
  • Databricks Workflows
  • Databricks Asset Bundles (DABs)
  • Распределенная обработка на основе Spark
• Подтвержденный опыт проектирования и реализации сквозных обучающих и инференс-архитектур на основе MLflow в нескольких средах.
• Опыт работы с сервисами AWS, включая SQS, EKS и Aurora PostgreSQL.
• Опыт реализации событийных и асинхронных архитектур с использованием Kafka и/или SQS.
• Глубокое понимание полного жизненного цикла ML, включая инжиниринг признаков, обучение, развертывание, мониторинг и переобучение.
• Опыт создания диаграмм архитектуры, технической проектной документации, планов внедрения и операционных руководств.
• Прочные основы Docker и Kubernetes.
• Опыт работы с CI/CD пайплайнами с использованием GitHub Actions, Jenkins или аналогичных инструментов.
• Практический опыт использования GitHub Copilot и Claude Code в рамках повседневных рабочих процессов разработки программного обеспечения.
• Отличные письменные и устные коммуникативные навыки с возможностью эффективного взаимодействия с техническими и бизнес-стейкхолдерами.

Желательно

• Предыдущий опыт работы в сферах группового страхования, страхования жизни или андеррайтинга.
• Опыт эксплуатации приложений и сервисов на базе GenAI или LLM.

Оплата

Диапазон заработной платы для этой роли учитывает широкий спектр факторов, которые принимаются во внимание при принятии решений о компенсации, включая, помимо прочего, набор навыков; опыт и обучение; лицензии и сертификаты; а также другие бизнес- и организационные потребности. Раскрытая оценка диапазона не была скорректирована с учетом применимого географического дифференциала, связанного с местоположением, по которому может быть занята должность. В Fractal обычно не нанимают человека на самой верхней границе диапазона для его роли, и решения о компенсации зависят от фактов и обстоятельств каждого случая. Обоснованная оценка текущего диапазона: $100 000 - $125 000. Кроме того, вы можете иметь право на получение дискреционного бонуса за текущий отчетный период.

Льготы

Как штатный сотрудник компании или как почасовой сотрудник, работающий более 30 часов в неделю, вы будете иметь право участвовать в планах медицинского, стоматологического, офтальмологического страхования, страхования жизни и страхования от нетрудоспособности в соответствии с документами плана, которые могут периодически изменяться. Вы будете иметь право на льготы с первого дня работы в Компании. Кроме того, вы имеете право участвовать в плане 401(k) Компании через 30 дней после трудоустройства, в соответствии с применимыми условиями плана. Компания предоставляет 11 оплачиваемых праздничных дней и 12 недель оплачиваемого отпуска по уходу за ребенком. Мы также следуем политике "свободного времени" PTO, предоставляя вам гибкость в использовании времени, необходимого для больничного или отпуска.

Fractal предоставляет равные возможности трудоустройства всем сотрудникам и соискателям и запрещает дискриминацию и преследование любого типа независимо от расы, цвета кожи, религии, возраста, пола, национального происхождения, статуса инвалидности, генетических данных, статуса защищенного ветерана, сексуальной ориентации, гендерной идентичности или выражения, или любой другой характеристики, защищенной федеральными, штатным или местным законодательством.

Если вам нравится бурный рост и работа с счастливыми, энтузиастичными и успешными коллегами, вам понравится ваша карьера у нас!

Не подходим? Дайте нам знать, что вы заинтересованы в будущей возможности, нажав "Представиться" в правом верхнем углу страницы, или создайте учетную запись, чтобы настроить оповещения по электронной почте о появлении новых вакансий, соответствующих вашим интересам!