États-Unis
The MITRE Corporation
AiDASH, Inc.
Ingénieur MLOps Staff
États-Unis
Palo Alto, California, United States
AWSDockerKubernetesGo
Traduction automatique. Consultez l’original.
À propos d'AiDASH
AiDASH est à la tête du mouvement PreventionFirst™ pour les services publics d'électricité et transforme la résilience du réseau grâce à sa plateforme pionnière qui unifie l'intelligence de la végétation, des actifs, des tempêtes et des incendies de forêt. Alimenté par l'inspection et la surveillance SatelliteFirst™, AiDASH offre une visibilité complète sur l'ensemble du réseau à la bonne fréquence et au bon budget, en utilisant la bonne modalité de données. Plus de 200 clients font confiance à AiDASH pour maintenir l'alimentation électrique, dépenser judicieusement et défendre chaque décision, en sécurisant l'avenir sur chaque kilomètre du réseau. En savoir plus sur aidash.com.
Le mouvement PreventionFirst est en pleine croissance, tout comme la reconnaissance qu'il suscite. En 2026, Forbes a nommé AiDASH l'un des meilleurs employeurs de startups d'Amérique pour la 4e année consécutive, et TIME a inclus AiDASH parmi les meilleures entreprises de GreenTech d'Amérique pour la 3e année consécutive. Deloitte Technology Fast 500™ a classé AiDASH n° 12 dans la région de la baie de San Francisco, et n° 59 au classement général parmi les 500 les plus performantes pour 2024.
Rejoignez-nous pour sécuriser l'avenir ensemble !
Le rôle
Nos produits basés sur les satellites et l'IA changent la façon dont les services publics voient et protègent le réseau, et nous nous préparons à une croissance agressive de la clientèle au cours des deux prochaines années. Cette croissance repose sur l'IA à grande échelle. Nous construisons une toute nouvelle équipe Data Inference AI Pipeline pour la fournir, et nous recherchons un ingénieur MLOps Staff pour architecturer son ossature opérationnelle dès la première ligne de code d'infrastructure.
En tant que tout premier ingénieur de cette équipe, vous commencerez avec une toile vierge et une chance rare de construire quelque chose qui dure. Vous définirez la manière dont nos modèles sont déployés, comment le pipeline évolue et récupère sous charge, et quel est son coût d'exploitation. Tout aussi important, vous contribuerez à définir la culture, les normes d'ingénierie et les modes de travail dont chaque futur membre de l'équipe héritera. Il s'agit d'un rôle pratique et à fort effet de levier pour un contributeur individuel : vos décisions établiront les fondations sur lesquelles toute l'équipe s'appuiera, et vous serez l'autorité technique de référence en matière de MLOps à mesure que l'équipe grandira. Vous rapporterez au Directeur de l'ingénierie de l'équipe Data Inference AI Pipeline.
Notre acquisition imminente par Schneider Electric accélérera notre mission en apportant notre offre combinée à notre clientèle commune, et l'infrastructure que vous construirez alimentera des résultats à une échelle encore plus grande.
À quoi ressemble le succès dans vos 6 premiers mois
Lieu : Il s'agit d'un rôle hybride basé à Palo Alto, en Californie, nécessitant 2 jours par semaine au bureau.
- Le déploiement de modèles est un processus répétable et automatisé pour tous les modèles.
- L'infrastructure d'inférence a prouvé qu'elle s'adapte en douceur à la hausse et à la baisse sous une charge réelle.
- Le coût par inférence est mesuré, visible et en baisse à mesure que le volume augmente.
- Un plan de basculement et de reprise après sinistre testé est en place pour le pipeline d'inférence, avec au moins un exercice d'injection de défaillance réalisé.
- La science des données peut déployer rapidement et indépendamment de nouveaux modèles en production.
Nous sommes fiers d'être un employeur garantissant l'égalité des chances. Nous nous engageons à promouvoir la diversité et l'inclusion dans nos pratiques d'embauche, et nous favorisons un environnement de travail où chacun, quelle que soit sa race, sa couleur, sa religion, son sexe, son orientation sexuelle, son identité de genre ou son origine nationale, peut donner le meilleur de lui-même.
Nous offrons une fourchette de rémunération annuelle compétitive de 230,000 $ à 270,000 $ pour ce poste à temps plein, qui comprend un salaire de base et une prime basés sur la performance. Cette fourchette reflète la rémunération annuelle attendue (salaire de base + prime) pour les nouveaux employés. Nous nous efforçons de garantir que nos packages de rémunération soient équitables et alignés sur les normes de l'industrie. Votre recruteur pourra vous fournir plus d'informations sur la rémunération pendant le processus d'embauche.
Nous nous engageons à offrir une expérience d'entretien inclusive et accessible à tous les candidats. Veuillez nous faire savoir si vous avez besoin d'un aménagement pendant le processus d'entretien, et nous ferons tout notre possible pour répondre à vos besoins.
Lisez notre politique de confidentialité ici : aidash.com/policy/privacy-policy/
Comment vous ferez la différence
Déploiement
- Prendre en charge le pipeline de déploiement de modèles de bout en bout : packaging, versioning, déploiement progressif et retour arrière pour les modèles ML passant de l'entraînement à la production.
- Construire et maintenir l'infrastructure de déploiement sur SageMaker (points de terminaison, transformation par lots, hébergement multi-modèles/multi-conteneurs), et évaluer où des alternatives telles que l'hébergement auto-géré ou d'autres options gérées sont plus appropriées.
- Définir le modèle CI/CD pour les versions de modèles, y compris les tests automatisés, le déploiement progressif et les déploiements canary/shadow.
Scalabilité et élasticité
- Concevoir une infrastructure d'inférence qui évolue de manière transparente avec la demande en temps réel et par lots.
- Dimensionner correctement le calcul (CPU/GPU/Inferentia ou équivalent) pour chaque modèle et charge de travail afin d'équilibrer la latence et le coût.
- Tester la charge du pipeline et élaborer des plans de capacité qui anticipent les étapes de croissance de la clientèle.
Coût
- Être responsable de la métrique coût par inférence : l'instrumenter, en rendre compte et la réduire à mesure que le volume augmente.
- Intégrer la conscience des coûts dans les décisions d'architecture, y compris les politiques d'autoscaling, le mix spot/à la demande, et les compromis taille du modèle/quantification.
Défaillance et résilience
- Concevoir pour une dégradation gracieuse et un basculement entre les régions et les zones de disponibilité pour le service d'inférence.
- Définir et tester les procédures de reprise après sinistre, et exécuter régulièrement des exercices d'injection de défaillance et de chaos.
- Construire la surveillance, les alertes et les runbooks pour l'infrastructure de service de modèles, couvrant la dérive, les SLO de latence, les taux d'erreur et la santé de l'infrastructure.
Leadership inter-équipes
- Collaborer avec la science des données pour mettre de nouveaux modèles en production sur une plateforme conçue pour les supporter.
- Collaborer avec l'équipe d'applications Web où les résultats d'inférence alimentent les fonctionnalités destinées aux clients, en maintenant l'alignement des attentes en matière de latence et de fiabilité.
- Servir d'autorité technique sur les pratiques MLOps à mesure que l'équipe Data Inference AI Pipeline grandit.
Ce que nous recherchons
Qualifications minimales
- + de 7-10 ans en ingénierie logicielle/ML, dont + de 3 ans axés spécifiquement sur MLOps ou l'infrastructure ML.
- Expérience de production pratique avec AWS SageMaker (ou une plateforme ML gérée équivalente) pour le déploiement et le service de modèles.
- Un historique éprouvé de conception de systèmes pour l'élasticité/l'autoscaling, l'optimisation des coûts et le basculement/la résilience à l'échelle de la production.
- Solide expertise en conteneurisation et orchestration (Docker, Kubernetes) et en CI/CD conçus pour les charges de travail ML, y compris le versioning des modèles et les tests et déploiements automatisés.
- Expérience dans l'instrumentation et la gestion des métriques de coût et de performance pour l'infrastructure dont vous êtes responsable.
- La capacité à définir la direction technique en tant que contributeur individuel de niveau Staff, en créant un consensus entre la science des données et les autres équipes d'ingénierie.
- Un fort sens de la responsabilité, un faible ego et un esprit collaboratif, avec une passion pour la construction de plateformes qui aident les autres à livrer plus rapidement.
Qualifications préférées
- Expérience avec de grandes pipelines de données d'imagerie, vidéo, ou capteurs 3D et nuages de points, ou d'autres données non structurées à haut volume à grande échelle.
- Expérience avec des données multimodales (imagerie, capteurs/séries temporelles, géospatiales) au-delà des données purement textuelles ou tabulaires.
- Expérience dans la mise en place de pratiques MLOps à partir de zéro au sein d'une nouvelle équipe.
- Connaissance des outils de surveillance des modèles et de détection de dérive, et des techniques d'optimisation des coûts GPU (quantification, batching, Inferentia/Trainium ou équivalent).
- Une expérience dans un domaine réglementé ou d'entreprise B2B tel que les services publics, l'énergie, l'infrastructure, la santé ou la finance.
- Certifications AWS/Kubernetes pertinentes ou contributions à des outils MLOps open source.
Ce que vous allez aimer
- Couverture médicale, dentaire et de vision complète : 100% de couverture pour les employés et 80% pour leurs conjoints et enfants.
- Compte de remboursement de frais de santé (HRA) : financé à 100% par AiDASH pour couvrir les franchises médicales.
- Plan 401(k) : commencez à cotiser après deux mois d'emploi pour préparer votre avenir. Actuellement, aucune contrepartie de l'entreprise n'est offerte.
- Congé parental : congé parental de soutien avec 16 semaines pour les aidants principaux et 4 semaines pour les aidants secondaires.
- Politique de vacances généreuse : accumulez 20 jours de vacances par an, plus une journée de vacances flexible supplémentaire pour célébrer ce qui vous semble le plus important.
- Pause hivernale : du 25 décembre au 1 janvier, nous accordons à chacun du temps libre pour se ressourcer et profiter du temps passé avec la famille et les amis !
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil