מה התפקיד שלך יכלול?
בתפקיד זה, תהיה/י אחראי/ת על כל היבטי ה-Production של מודלי Machine Learning. העבודה מתמקדת בבנייה, פריסה, תחזוקה ואופטימיזציה של תהליכים ופייפליינים בסביבת ייצור, תוך עבודה צמודה עם מדעני הנתונים (Data Scientists) בצוות.
התפקיד הוא הנדסי במהותו ומיועד למי שחי ונושם MLOps, אוהב לכתוב קוד איכותי, ולוקח אחריות על הפיכת מודלים מורכבים למערכות יציבות, יעילות וסקיילביליות.
תחומי אחריות:
· העברת מודלי ML מסביבת פיתוח (Research) לסביבת ייצור (Production).
· בנייה ותחזוקה של פייפליינים אוטומטיים (CI/CD) עבור אימון, בדיקה ופריסה של מודלים.
· פיתוח ויישום של כלי MLOps לניטור ביצועי מודלים, זיהוי דריפט (Model Drift) והתראות.
· אופטימיזציה של ביצועי מודלים בייצור (Latency, Throughput).
· שותפות מלאה עם מדעני הנתונים לאורך כל חיי המודל – החל משלב ניתוח הדרישות והנתונים, דרך תרגום המודל לפתרונות הנדסיים ברי-קיימא ועד לניטור הביצועים בייצור.
· ביצוע ניתוחי נתונים וחקירות אד-הוק לצורך תחקור בעיות בייצור, הבנת דריפט במודלים וולידציה של מקורות מידע חדשים.
למי התפקיד יתאים?
· תואר אקדמי בתחום טכנולוגי רלוונטי
· ניסיון מוכח בהעברת מודלים מסביבת פיתוח (research/notebook) לסביבת ייצור (Production).
· ניסיון מעמיק ב-Python ברמה גבוהה, כולל OOP ועקרונות הנדסת תוכנה.
· ניסיון עם MLOps – חובה ( יתרון משמעותי ל DATAIKU)
· שליטה בסביבת Linux וכתיבת shell scripts.
· ניסיון מעשי עם Docker והיכרות טובה עם Kubernetes/OpenShift. – ברמת היכרות
· ניסיון בתהליכי CI/CD (למשל Jenkins, Git/Bitbucket).
· שליטה גבוהה ב-SQL, עבודה מול מאגרי נתונים ובניית תהליכי ETL.
· ניסיון עם כלי ניטור ולוגים (למשל Splunk, Prometheus, Grafana). – לא חובה
· ניסיון בפיתוח ושימוש ב-APIs (למשל FastAPI, Flask, Django) – יתרון.
· ניסיון בהטמעה ותפעול של מערכות מבוססות GenAI / LLMs – יתרון משמעותי.
· ניסיון מעשי עם ספריות ML (כגון pytorch, pandas, numpy, scikit-learn).
תכונות אישיות:
· יכולת עבודה עצמאית וניהול משימות מקצה לקצה.
· תשוקה להנדסת תוכנה איכותית, קוד נקי ותהליכים אוטומטיים.
· יכולת גישור בין עולם המחקר (Data Science) לעולם הייצור (Production).
· יכולת תקשורת טובה ועבודת צוות מעולה מול צוותי הנדסה, דאטה ומחקר.