MLOps və süni intellekt üzrə mühəndis

• Mürəkkəb biznes və müştəri problemlərinin həlli üçün süni intellekt (AI) və maşın öyrənməsi (ML) əsaslı həllərin layihələndirilməsi, hazırlanması və istehsalat mühitində tətbiqinin təmin edilməsi.
• Biznes tələblərinə uyğun olaraq Generativ Süni İntellekt (GenAI), Dərin Öyrənmə (Deep Learning), Təbii Dilin Emalı (NLP), Nitq Texnologiyaları (Speech AI) və Klassik Maşın Öyrənməsi (Classical ML) istiqamətləri üzrə müvafiq yanaşmaların seçilməsi və həllərin hazırlanması.
• Generativ Süni İntellekt və LLM əsasında həllərin layihələndirilməsi və hazırlanması, o cümlədən qabaqcıl məlumat axtarışı (retrieval) metodlarından istifadə edən RAG əsaslı sistemlərin, xarici alətlər və sistemlərlə inteqrasiya olunmuş AI agentlərinin, çoxagentli sistemlərin (Multi-Agent Systems), eləcə də korporativ məlumat mənbələri və sistemləri ilə inteqrasiya edilmiş uçdan-uca intellektual iş axınlarının yaradılması.
• Müxtəlif yanaşmaların əsaslandırılması, alternativ həllərin müqayisəsi və modellərin effektivliyinin artırılması məqsədilə məlumatların təhlili, eksperimentlərin aparılması və modellərin qiymətləndirilməsi.
• Biznes problemlərinin, məqsədlərin və ölçülə bilən uğur meyarlarının müəyyənləşdirilməsi üçün aidiyyəti tərəflərlə (stakeholders) əməkdaşlıq edilməsi.
• Etibarlı, miqyaslana bilən və texniki baxımdan davamlı AI/ML sistemlərinin hazırlanması üçün proqram təminatının mühəndisliyi üzrə qabaqcıl təcrübə və prinsiplərin tətbiq edilməsi.

Axtardığımız namizədə tələblər:

• İngilis dilində peşəkar iş səviyyəsində bilik.
• Python proqramlaşdırma dili üzrə yüksək səviyyədə bilik və praktiki bacarıqlar, Git, avtomatlaşdırılmış testlərin hazırlanması və FastAPI kimi texnologiyalardan istifadə etməklə backend API-lərin yaradılması üzrə təcrübə.
• MLflow, Airflow və ya analoji alətlərdən istifadə etməklə eksperimentlərin izlənilməsi, model reyestrlərinin idarə edilməsi və iş axınlarının orkestrasiya edilməsi daxil olmaqla, istehsalat mühitində MLOps üzrə praktiki iş təcrübəsi.
• Docker, Kubernetes, Linux və GitLab CI/CD kimi davamlı inteqrasiya və tətbiqetmə alətləri ilə iş təcrübəsi.
• PyTorch və ya scikit-learn, modellərin qiymətləndirilməsi, drift monitorinqi və istehsalat mühitində sistemlərin müşahidə və monitorinqi (production observability) üzrə praktiki biliklər.
• AWS mühitində ML/AI həllərinin tətbiqi (deployment) və IAM vasitəsilə giriş icazələrinin idarə edilməsi üzrə biliklər.
• Böyük Dil Modelləri (LLM) və LangGraph, Strands Agents SDK kimi AI agent freymvorkları ilə praktiki iş təcrübəsi, o cümlədən modellərin və xarici alətlərin inteqrasiyası üzrə biliklər.
• Retrieval-Augmented Generation (RAG), vektor təsvirləri (embeddings) və vektor əsaslı axtarış (vector search) texnologiyaları haqqında biliklər.

Üstünlük verilən əlavə kvalifikasiyalar (Preferred Qualifications)

• Modellərə çıxışın təmin edilməsi üçün Amazon Bedrock, AI agentlərinin tətbiqi və idarə olunması üçün Amazon Bedrock AgentCore, həmçinin Strands Agents freymvorkunun AWS xidmətləri ilə inteqrasiyası üzrə təcrübə.
• Öz infrastrukturunda yerləşdirilən model inferensiyası (self-hosted inference), vLLM kimi modellərə xidmət göstərən freymvorklar (serving frameworks), GPU əsaslı iş yüklərinin optimallaşdırılması və ya modellərin əlavə təlimi (fine-tuning) üzrə təcrübə.
• İnfrastrukturun kod vasitəsilə idarə edilməsi (Infrastructure as Code – IaC), təkrar istifadə oluna bilən tətbiqetmə şablonlarının (deployment templates) hazırlanması, həmçinin model və məlumatların mənşəyinin və dəyişiklik tarixçəsinin izlənilməsi (model/data lineage) üzrə təcrübə.

Your key responsibilities:

• Design and implement CI/CD pipelines for ML/AI workloads with automated checks, controlled deployment and rollback.
• Automate and orchestrate ML workflows from data preparation and training through validation, deployment and retraining.
• Maintain experiment tracking, dataset and model versioning, and model registries to ensure reproducibility and traceability.
• Deploy and monitor inference services; detect data and model drift and optimize reliability, performance and cost.
• Implement agentic workflow orchestration, including tool calling, state and context management, and failure recovery.
• Develop automated tests for ML models, LLMs and agents, covering quality, task completion and reliability.
• Support integration of AI capabilities with internal systems through APIs, connectors and the Model Context Protocol (MCP).
• Apply access controls, credential protection and data security requirements in collaboration with infrastructure and security teams.

What we look for:

• English language proficiency at a minimum B2 level.
• Strong Python skills, Git, automated testing and backend API development, for example with FastAPI.

• Production MLOps experience, including experiment tracking, model registries and workflow orchestration using MLflow, Airflow or equivalents.
• Experience with Docker, Kubernetes, Linux and CI/CD tools such as GitLab CI/CD.
• Working knowledge of PyTorch or scikit-learn, model evaluation, drift monitoring and production observability.
• Working knowledge of AWS deployment and IAM permissions for ML/AI workloads.
• Practical experience with LLMs and agentic frameworks such as LangGraph or Strands Agents SDK, including model and tool integration.
• Understanding of retrieval-augmented generation (RAG), embeddings and vector search.
• Experience with Amazon Bedrock for model access, Amazon Bedrock AgentCore for agent deployment and operations, and Strands Agents integration with AWS services.
• Experience with self-hosted inference, serving frameworks such as vLLM, GPU workload optimization or model fine-tuning.
• Experience with infrastructure as code, reusable deployment templates, and model or data lineage tools.