ML Ops工程师：
MLOps工程师在生产环境中部署、管理和优化机器学习模型，确保平滑集成和高效运行。
MLOps工程师在数据科学团队构建模型后，确保模型的成功运行。
职责：
• 与团队成员、业务利益相关者和公司技术资源有效合作和沟通
• 能够独立工作和与团队合作
• 调查符合公司标准的新技术，以增强团队能力
• 在生产环境中部署和管理AI/ML模型
• 自动化AI/ML模型部署
• 设置AI/ML流水线的监控
• 自动化可扩展的数据、代码和模型变更的CI/CD流程
• 设置自动化模型重训练
• 决定所需的自动化级别
• 提供最佳实践，并在大规模上运行自动化和高效的模型操作的概念验证。
• 维护支持模型和算法的基础设施。
• 敏捷开发，每个迭代周期为2-3周
• 执行分配的其他职责。
技能和能力：
• 具有ML Ops工程师或类似角色的经验
• 理解数据结构、数据建模和软件架构
• 能够设计和实施云解决方案。
• 能够使用Python、Java和R编写健壮的代码
• 能够编写Linux/Unix Shell脚本
• 有使用容器和Kubernetes的经验
• 对Keras、PyTorch、Tensorflow等框架有较高的了解
• 能够构建包括CI/CD/CT配置管理、容器和基础设施编排在内的MLOps流水线。
• 具有软件开发经验和编程技能。
• 有使用MLFlow等MLOps框架的经验。
• 熟悉编排端到端ML流水线的工作原理。
• 深入了解Azure、私有网络、MLStudio及其子组件、OpenAI、Github Actions和Azure DevOps。
• 理解典型的数据存储技术和方法（例如：MPP和NoSQL数据库、基于队列的技术、API）
• 出色的沟通能力
• 能够在团队中工作
• 出色的分析和解决问题的能力
附加信息：
这是一个全职薪资职位。
该职位不接受C2C或合同工作。
完全远程工作。 
芝加哥