Mexiko
Toshiba Global Commerce Solutions - External
Ford Motor Company
Data Scientist MLOps
Mexiko
Naucalpan de Juárez Municipality, México, Mexico
PythonGCPDockerKubernetesTerraform
Automatische Übersetzung. Prüfe das Original.
Über die Stelle
Ford Global Data Insight & Analytics sucht einen Machine Learning DevSecOps Engineer, um die interne Data Science / AI/ML-Plattform aufzubauen und weiterzuentwickeln. Sie werden MLOps-Funktionen auf der Google Cloud Plattform (GCP) bereitstellen, machine learning-Entwicklungspraktiken standardisieren und die Bereitstellung, das Training sowie das Retraining von produktiven ML-Modellen unterstützen.
Sie arbeiten in einem funktionsübergreifenden Team und kooperieren direkt und kontinuierlich mit Ingenieuren, Geschäftspartnern und Produktmanagern, um Plattform- und Datenprodukte zu liefern.
Bei Ford Motor Company glauben wir, dass Bewegungsfreiheit den menschlichen Fortschritt vorantreibt. Mit unseren großartigen Plänen für die Zukunft der Mobilität bieten wir Ihnen eine Vielzahl von Möglichkeiten, Ihre Karriere zu beschleunigen und uns dabei zu helfen, die Mobilität von morgen zu definieren.
Ford Product Development nutzt Design Thinking & User Experience Methoden, um innovative Produkte und Dienstleistungen anzubieten, die unsere Kunden begeistern.
AUFGABEN
- Enge Zusammenarbeit mit dem Tech Anchor, dem Produktmanager und dem Product Owner, um eine MLOps-Plattform auf GCP unter Verwendung von Python und anderen Tools für Data Scientists im gesamten Unternehmen bereitzustellen.
- Innovation und Standardisierung von machine learning-Entwicklungspraktiken.
- Experimentieren, Innovieren und Wissensaustausch innerhalb des Teams.
- Nutzung von Git für Versionskontrolle und kollaborative Entwicklung.
- Vorbildfunktion durch Pair Programming zur gegenseitigen Weiterbildung, Kompetenzentwicklung, Problemlösung und schnelleren Bereitstellung.
- Anwendung von ML, NLP, GCP, MLOps und Kubernetes-Technologien bei der Plattformentwicklung.
- Bereitstellung von ML-Modellen und Algorithmen in die Produktion, Durchführung von Simulationen für die Algorithmenentwicklung und Testen verschiedener Szenarien.
- Entwicklung und Integration von RESTful APIs, um Systeme und Dienste innerhalb der ML-Plattform zu verbinden.
- Automatisierung der Modellbereitstellung, des Trainings und des Retrainings unter Verwendung agiler Bereitstellungspraktiken und CI/CD/CT (Continuous Integration, Continuous Deployment und Continuous Training).
- Zusammenarbeit mit Softwareingenieuren, um die Plattformvision zu verstehen, Aufgaben zu definieren und komplexe Probleme zu lösen.
- Ausbau technischer Fähigkeiten und Unterstützung anderer Softwareingenieure im Team.
- Partnerschaft mit Softwareingenieuren und Data Scientists zur Bewältigung anspruchsvoller KI-Probleme.
QUALIFIKATIONEN
Berufserfahrung: 3+ Jahre Erfahrung mit Python und Cloud Engineering / Services, einschließlich GCP Vertex AI und zugehöriger Dienste.
Ausbildung: Bachelor-Abschluss in Informatik, Computertechnik oder einer ähnlichen technischen Fachrichtung. Ein Master-Abschluss in Informatik, Machine Learning oder einem verwandten Bereich wird bevorzugt.
Technische Anforderungen
Wir suchen Kandidaten mit fundierten Kenntnissen in Python und Cloud Engineering, Erfahrung in der Orchestrierung von ML-Workflows und MLOps sowie der Fähigkeit, produktive ML-Plattformen zu unterstützen.
Kernanforderungen
Python und Cloud Engineering
- 2+ Jahre Erfahrung mit Python und Cloud Engineering / Services wie GCP Vertex AI und zugehörigen Diensten.
ML-Workflow-Orchestrierung
- Erfahrung mit Tools zur ML-Workflow-Orchestrierung wie Airflow oder Kubeflow.
MLOps
- Erfahrung mit MLOps-Tools wie Tekton, Terraform, Sicherheitstools (SonarQube, FOSSA, Checkmarx), Containerisierung (Docker).
- Kenntnisse in Bereitstellungsarchitekturen (Batch vs. Streaming) und Bereitstellungsprotokollen (Canary, Blue/Green).
Vertex AI
- Modelltraining
- Modellbereitstellung
- Modellüberwachung
- Vertex AI Pipelines
BigQuery
- Datenspeicherung und Analytik
- Feature Engineering
- Vorbereitung von Trainingsdaten
Cloud Storage (GCS)
- Datenspeicherung
- Modell-Artefakte
- Pipeline-Ausgaben
GKE (Google Kubernetes Engine)
- Ausführung containerisierter ML-Workloads
- Kubeflow-Bereitstellungen
- Skalierbare Serving-Umgebungen
Kubeflow / Vertex AI Pipelines
- ML-Workflow-Orchestrierung
- Automatisierung von Training und Bereitstellung
Dataflow
- ETL und groß angelegte Datenverarbeitung
Pub/Sub
- Ereignisgesteuerte und Streaming-ML-Architekturen
Skripting
- Erfahrung mit Skriptsprachen wie Bash oder PowerShell.
Git und kollaborative Entwicklung
- Fundierte Kenntnisse in Git für Versionskontrolle und Zusammenarbeit.
Zusammenarbeit
Schriftliche und mündliche Englischkenntnisse sind erforderlich. Kandidaten sollten sich wohl dabei fühlen, über Engineering-, Produkt-, Design- und Geschäftsteams hinweg zusammenzuarbeiten, Wissen zu teilen und das technische Wachstum von Kollegen durch Pair Programming und kollaborative Problemlösung zu unterstützen.
Hilfreiche zusätzliche Erfahrungen
- Ein Master-Abschluss in Informatik, Machine Learning oder einem verwandten Bereich.
- Infrastructure as Code unter Verwendung von Terraform.
- Praktiken des Software-Handwerks wie Pair Programming und Test-Driven Development.
- Verständnis von MLOps, dem machine learning-Lebenszyklus und Frameworks wie scikit-learn, TensorFlow und PyTorch.
- Anwendung agiler Praktiken bei der Lösungsbereitstellung.
- Arbeit mit Dockerfiles, Container-Images, GitHub und CI/CD-Konzepten.
- Kenntnisse in generativen KI-Technologien und -Konzepten.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen