Estados Unidos
B&A
Fetch
Engenheiro Sênior de Operações de ML II - Monetização
RemotoEstados Unidos
United States
PythonSQLKubernetesGoTerraform
Tradução automática. Consulte o original.
SOBRE A VAGA
A Fetch é construída com base em dados reais de compras compartilhados por milhões de usuários que escaneiam seus recibos. A Ciência de Dados transforma esse sinal em modelos preditivos que geram inteligência de usuário valiosa para nossos stakeholders e parceiros. Esses modelos precisam de uma base operacional confiável para transitar com segurança da experimentação para a produção e melhorar continuamente ao longo do tempo.
Como Engenheiro Sênior de MLOps, você será responsável pelos sistemas e práticas que tornam os modelos da Fetch prontos para produção, observáveis, reproduzíveis e resilientes. Você trabalhará em estreita colaboração com as equipes de Ciência de Dados e Engenharia durante todo o ciclo de vida do modelo, incluindo treinamento, validação, implantação, versionamento, monitoramento, retreinamento e desativação.
Esta é uma função de liderança técnica prática. Você construirá infraestrutura reutilizável, estabelecerá padrões para a saúde dos modelos e confiabilidade em produção, e criará um hub de modelos compartilhado que torna acessíveis o propósito, status, resultados de avaliação, histórico de lançamentos e desempenho de cada modelo. Seu trabalho ajudará as equipes a identificar problemas mais cedo, melhorar modelos mais rapidamente e apoiar cada reivindicação de produção com evidências claras.
RESPONSABILIDADES DA FUNÇÃO
- Ser responsável pelo ciclo de vida completo do modelo, desde a experimentação até a validação, implantação, versionamento, retreinamento, reversão e desativação.
- Estabelecer critérios claros de promoção de modelos, processos de lançamento e caminhos de reversão que permitam às equipes entregar melhorias com confiança.
- Construir monitoramento para qualidade de dados, desvio (drift), qualidade de predição, confiabilidade de serviço, latência e custo de infraestrutura.
- Colaborar com cientistas de dados para definir sinais de avaliação offline e em produção significativos, inclusive para casos de uso com rótulos de resultados atrasados.
- Usar evidências de produção para melhorar o desempenho do modelo, a confiabilidade da plataforma, a velocidade de implantação e a eficiência da infraestrutura.
- Construir pipelines reutilizáveis de treinamento, avaliação e implantação que suportem múltiplos modelos e abordagens de modelagem.
- Desenvolver fluxos de trabalho de orquestração confiáveis que cubram dependências, agendamento, novas tentativas, preenchimentos (backfills) e recuperação de falhas.
- Traduzir requisitos científicos em sistemas de produção sustentáveis com interfaces claras, responsabilidade definida e expectativas operacionais.
- Construir e manter um hub de modelos acessível que conecte documentação de modelos, resultados de avaliação, histórico de lançamentos, versionamento e monitoramento.
- Criar fluxos de trabalho de CI/CD testados, ambientes reproduzíveis, alertas acionáveis, procedimentos de resposta a incidentes e runbooks operacionais.
- Definir prioridades de MLOps em parceria com Ciência de Dados e Engenharia, identificando riscos antes que se tornem problemas de produção.
- Estabelecer padrões de engenharia reutilizáveis, orientar colegas de equipe e reduzir a carga operacional colocada sobre os cientistas de dados.
REQUISITOS MÍNIMOS
- 5+ anos gerenciando sistemas de ML em produção além da implantação inicial, incluindo monitoramento, retreinamento, resposta a incidentes e melhoria contínua.
- Fortes habilidades de desenvolvimento de software em produção em Python e proficiência em SQL.
- Experiência prática usando Spark para processamento de dados distribuídos.
- Experiência com um motor de orquestração de fluxo de trabalho para agendamento, gerenciamento de dependências, novas tentativas, preenchimentos (backfills) e recuperação.
- Experiência prática na construção de infraestrutura com Terraform.
- Experiência na implantação e operação de cargas de trabalho em contêineres em produção no Kubernetes.
- Experiência na construção de infraestrutura reutilizável de treinamento, avaliação ou implantação usada por múltiplos modelos, cientistas ou equipes.
- Experiência na implementação de versionamento de modelos e conjuntos de dados, rastreamento de experimentos, linhagem e lançamentos reproduzíveis.
- Capacidade de distinguir falhas de serviço ou infraestrutura de mudanças na eficácia do modelo.
- Experiência na construção de pipelines de CI/CD, monitoramento, alertas, mecanismos de reversão e procedimentos de recuperação para sistemas de ML em produção.
- Capacidade demonstrada de equilibrar qualidade do modelo, velocidade de entrega, confiabilidade e custo de infraestrutura.
- Forte comunicação multifuncional e experiência em parceria com cientistas de dados para preservar a validade científica à medida que os modelos entram em produção.
- Capacidade de explicar um incidente de produção ou problema de degradação de modelo, como foi detectado e quais melhorias foram implementadas.
REQUISITOS DESEJÁVEIS
- Experiência no desenvolvimento de serviços de plataforma, infraestrutura ou ferramentas internas em Go.
- Experiência na construção ou gestão de um registro de modelos, hub de modelos ou sistema similar usado por stakeholders técnicos e não técnicos.
- Experiência no suporte a sistemas de ML onde os rótulos de resultados são atrasados ou a qualidade do modelo não pode ser medida imediatamente.
- Histórico de melhoria na velocidade de implantação, qualidade do modelo, confiabilidade do sistema, custo de infraestrutura ou esforço operacional manual.
- Experiência no design de infraestrutura de ML configurável que suporte diversas estruturas ou abordagens de modelagem.
- Evidência de que infraestrutura, padrões ou documentação reutilizáveis foram adotados por múltiplas equipes.
- Experiência em orientar engenheiros ou cientistas de dados e influenciar prioridades técnicas em um portfólio de ML.
- Experiência trabalhando em ambientes com informações sensíveis e projetando documentação ou monitoramento em torno de limites de acesso apropriados.
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil