Перегляд та аналіз існуючих моделей DS, налаштування та їх параметризація за необхідності

Проєктування, створення, обслуговування, усуннення несправностей та оптимізація повного життєвого циклу машинного навчання, який включає наступне:

Оптимізацію моделі машинного навчання

Підготовку даних

Вилучення ознак

Моніторинг продуктивності моделі

Співпраця з дослідниками даних та командою інженерів з метою оптимізації продуктивності пайплайнів машинного навчання

Встановлення і налаштування процесів безперервної інтеграції та розгортання ПЗ

Безперервне навчання проєктуванню та підтримці моделей машинного навчання

Надання спроможностей для раннього виявлення різних дрейфів (даних, концепцій, схем тощо)

Досвід роботи у якості інженера з машинного навчання або даних за напрямком проєктування, створення та розгортання пайплайнів машинного навчання та обробки даних

Хороші знання та досвід розробки на Python

Хороше розуміння екосистеми машинного навчання Python (PyTorch, TensorFlow, NumPy, pandas, sklearn, XGBoost тощо)

Хороше розуміння концепцій і найкращих практик для ефективного розгортання і підтримки моделей машинного навчання

Досвід роботи з деякими платформами/технологіями, пов’язаними з практиками для ефективного розгортання і підтримки моделей машинного навчання, такими як AWS SageMaker, Azure ML, GCP Vertex AI / AI Platform, Databricks MLflow, Kubeflow, Airflow, Argo Workflow, TensorFlow Extended (TFX) тощо

Досвід роботи з базовими інструментами розробки програмного забезпечення, наприклад git, середовищем безперервної інтеграції та розгортання ПЗ (такими як Jenkins або Buildkite), PyPI, Docker, Kubernetes, юніт тестами та об’єктно-орієнтованим проєктуванням в цілому