Старший инженер MLOps

Əsas öhdəliklər:

• ML iş axınları üçün CI/CD boru xətlərinin dizaynı və tətbiqi
• Təcrübə mərhələsindən istehsalat mühitinə qədər ML iş axınlarının avtomatlaşdırılması
• ML iş axınlarının orkestrasiyasının qurulması və idarə edilməsi
• Model versiyalaşdırılması, təkraristehsal oluna bilmə (reproducibility) və A/B testləri üçün standartlaşdırılmış yanaşmaların tətbiqi
• Model yerləşdirilməsinin performans, miqyaslana bilmə və xərclərin optimallaşdırılması baxımından təkmilləşdirilməsi
• Məlumatların rezidentlik tələblərinə cavab verən təhlükəsiz və uyğun (compliant) model boru xətlərinin təmin edilməsi
• Həm bulud, həm də on-premises mühitlərdə ardıcıl işləyən monitorinq həllərinin yaradılması
• Qiymətləndirmə, monitorinq və prompt/versiya idarəçiliyi daxil olmaqla LLMOps təcrübələrinin tətbiqi
• LLM-lərin qiymətləndirilməsi və etibarlılığı üçün test çərçivələrinin dizaynı və icrası
• LLM-lərin daxili tətbiqlər və sistemlərlə inteqrasiyasında dəstək
• Ucdan-uca AI həllərinin təqdim edilməsi üçün Data Scientist, Data Engineer və tətbiq komandaları ilə əməkdaşlıq

Axtardığımız namizədə tələblər:

• TensorFlow, PyTorch və ya scikit-learn kimi ML freymvörkləri ilə işləmə bacarığı
• Python dilində güclü proqramlaşdırma bacarıqları
• Konteynerləşdirmə və orkestrasiya alətləri ilə təcrübə (Docker, Kubernetes)
• CI/CD alətləri ilə tanışlıq (məs., GitLab CI/CD, GitHub Actions)
• Bulud platformaları üzrə anlayış
• ML iş axınlarının orkestrasiya alətləri ilə praktik təcrübə (məs., Apache Airflow)
• Təcrübələrin izlənməsi və müşahidəedilə bilmə (observability) alətləri ilə təcrübə (məs., MLflow)
• LLM yerləşdirilməsi ilə bağlı çətinliklərin başa düşülməsi (gecikmə, xərclərin optimallaşdırılması, miqyaslama)
• LLM qiymətləndirmə texnikaları və prompt engineering üzrə təcrübə

Üstünlük Verilən İxtisaslar

• LLM fine-tuning, retrieval-augmented generation (RAG) və vektor verilənlər bazaları ilə təcrübə
• ML modellərinin servis edilməsi üçün API-lərin qurulması üzrə təcrübə (məs., FastAPI, Flask)
• AI/ML tətbiqləri üçün frontend interfeyslərinin hazırlanması
• Frontend tətbiqlərini ML modelləri ilə əlaqələndirən middleware komponentlərinin qurulması və saxlanılması
• Telekommunikasiya məlumatları və ya sahəyə xas AI istifadə hallarının işlənməsi üzrə təcrübə

Your key responsibilities:

• Design and implement CI/CD pipelines for ML workflows
• Automate ML workflows from experimentation through production deployment
• Build and manage ML workflow orchestration
• Implement standardized practices for model versioning, reproducibility, and A/B testing
• Optimize model deployment for performance, scalability, and cost-efficiency
• Ensure secure, compliant model pipelines that meet data residency requirements
• Create monitoring solutions that work consistently across both cloud and on-premises deployments
• Apply LLMOps practices, including evaluation, monitoring, and prompt/version management
• Design and execute testing frameworks for LLM evaluation and reliability
• Assist in integrating LLMs with internal applications and systems
• Collaborate with Data Scientists, Data Engineers, and application teams to deliver end-to-end AI solutions

What we look for:

• Proficiency with ML frameworks such as TensorFlow, PyTorch, or scikit-learn
• Strong programming skills in Python
• Experience with containerization and orchestration tools (Docker, Kubernetes)
• Familiarity with CI/CD tools (e.g., GitLab CI/CD, GitHub Actions)
• Understanding of cloud platforms
• Hands-on experience with ML workflow orchestration tools (e.g., Apache Airflow,)
• Experience with experiment tracking and observability tools (e.g., MLflow)
• Understanding of LLM deployment challenges (latency, cost optimization, scaling)
• Experience with LLM evaluation techniques and prompt engineering
• Bachelor's degree

Preferred Qualifications

• Experience with LLM fine-tuning, retrieval-augmented generation (RAG), and vector databases
• Exposure to building APIs for serving ML models (e.g., FastAPI, Flask)
• Develop frontend interfaces for AI/ML applications
• Build and maintain middleware components to connect frontend applications with ML models
• Experience working with telecommunications data or industry-specific AI use cases