Старший инженер MLOps

Əsas vəzifələr

• 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.

Tələblər

• Süni intellekt (AI), maşın öyrənməsi (ML), MLOps və ya müvafiq sahələr üzrə minimum 5 il peşəkar iş təcrübəsi.
• English language proficiency at a minimum B2 level.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.
• 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.