通常有两种类型的MLOps工程师：
1）擅长优化特定模型以达到最佳性能
2）擅长构建/维护支持数百个模型/数据集的基础设施
我们正在寻找第二类人才，来构建数据中心人工智能的未来！
在Cleanlab，你将有机会：
• 与麻省理工学院的博士们一起开发数据平台，并在系统和机器学习研究方面获得指导。
• 为快速增长的数据中心人工智能领域开创新的软件系统。我们的工具可以帮助数据科学家/工程师（跨所有行业）有效地诊断/修复数据集中的问题，从而提高业务核心资产的质量。
• 在一个充满活力的初创公司中使用现代技术栈（最新的工具和机器学习模型）工作。
我们正在寻找的人才：
• 具备扎实的软件工程和数据平台架构/工程技能，以及在云环境中将代码/模型投入生产并维护必要基础设施的经验。你应该熟悉大型软件系统。
• 有MLOps工作经验：处理数据、部署和监控模型等。我们不要求对机器学习算法有深入的了解，但你必须在公司的整个生命周期内之前在许多机器学习和数据项目上工作过。
职责：
• 开发和维护一个数据平台和云基础设施，用于支持拥有许多用户、每个用户都有许多数据集/模型（其中一些相当大）的Web应用程序。
• 与Cleanlab企业客户合作进行大规模机器学习项目，从构思到生产。
• 与其他工程师合作构建和维护大规模系统，并在整个公司建立强大的工程文化。
资格要求：
这是一份高级职位！候选人必须拥有至少5年以上的数据平台工程或MLOps工作经验。学校作业或一般数据科学工作在此不计入，你应该在处理大规模数据集、可靠的模型服务、云基础设施等方面应对过困难的MLOps挑战。
你应该具备以下工具/技术的专业知识：
• Databricks/Snowflake
• Apache Spark
• Apache Iceberg
• Apache Hudi
• Apache Airflow, MLflow
• AWS
了解更多职位和福利信息，请访问：https://cleanlab.ai/careers/data-platform-engineer 
旧金山