مهندس MLOps

شرح وظایف:
طراحی، توسعه و مدیریت پایپ‌لاین‌های CI/CD برای مدل‌های یادگیری ماشین
استقرار، مانیتورینگ و بهینه‌سازی مدل‌های یادگیری ماشین در محیط‌های Production
کار با Docker، Kubernetes و ابزارهای اورکستراسیون جهت مدیریت کانتینرها و منابع
بهینه‌سازی عملکرد مدل‌ها و مدیریت منابع محاسباتی
توسعه و پیاده‌سازی MLOps best practices برای بهبود بهره‌وری تیم Data Science
مدیریت Feature Store و پردازش داده‌ها برای استقرار مدل‌ها
بررسی، لاگ‌گیری و مانیتورینگ مدل‌ها جهت شناسایی درفت مدل و بهبود آن
همکاری نزدیک با سایر تیم‌ها
مهارت‌های مورد نیاز:
تجربه عملی در استقرار مدل‌های یادگیری ماشین و مدیریت چرخه عمر ML
تسلط بر Python و کتابخانه‌های مربوط به ML
آشنایی با Docker، Kubernetes، MLflow، Airflow و ابزارهای مشابه
تجربه در پیاده‌سازی CI/CD برای ML و کار با Git یا ابزارهای مشابه
مهارت در مانیتورینگ مدل‌ها و ابزارهایی مانند Prometheus و Grafana
درک قوی از Data Engineering، پردازش داده‌ها و Feature Engineering
مهارت‌های امتیازی:
تجربه در توزیع مدل‌ها با Kubernetes و Kubeflow
آشنایی با Apache Spark و Big Data Processing
تجربه در بهینه‌سازی GPU/TPU و پردازش مدل‌های سنگین