MLOps Engineer - Berry AI Inc.｜Meet.jobs

職務內容：

目前公司提供給客戶的產品是 AIoT 與 Cloud 的混合解決方案。我們期望 MLOps Engineer 能規劃跟參與 ML 基礎設施的建設、與 AI Engineer 一起開發 ML 應用、並且與 DevOps Engineer 協作以監控跟維運 ML 服務。

MLOps Engineer 團隊所負責的工作內容：

1. 建置基礎設施以協助 ML 產品的開發與改善，應用情境包括：建構各種 Data Collection Pipelines、建立自動及半自動化的 Model Training Pipelines、使用既有或引進新的工具來管理 Datasets/Models/Configs、部署 ML Applications、監控 ML 服務以及協助除錯。

2. 與前後端團隊、AI Engineer 團隊、AIoT 團隊協作，掌握需求並實作軟體開發。

3. 帶來新想法與嘗試新工具，與團隊一起討論決定新作法的導入。

對於 MLOps 的人才需求，一個人要具備上述的全部經驗是不可能的，因此我們更加看重：

1. 是否對於 ML 產品有全局觀點，了解每一個階段技術應用的目的？

2. 能否跨團隊合作，互補不足、互相支援？

3. 是否樂於學習新技術與解決有挑戰性的技術問題？

職務需求

我們希望能尋找有經驗的 MLOps Engineer，如果您具有以下的經歷，或許會是適合的人選：

深入參與過 ML 產品開發的許多階段，例如：研究、PoC/Demo、產品化、規模化、最佳化、成功落地或是腰斬。
有許多跨團隊合作的經驗。因為大型或是較複雜的 ML 產品開發，會牽涉到許多團隊的專業分工，而如何制定目標、決定設計、分工實作、排除問題，都有賴於良好的溝通協調能力。
建構內部及外部後端或 ML 服務的開發經驗，並且有解過規模化（例如：在雲端上使用水平擴展的架構）以及最佳化（例如：GPU Profiling 的經驗）的問題。

熟悉以下項目：
1. Python 程式語言開發
2. 具備 ML 產品或服務的設計、開發及維運經驗
3. Data Pipeline 相關經驗（例如 ETL Pipelines 或 Airflow/Dagster 的使用經驗）
4. 建置過或有使用過現成的 MLOps Platform 去解決資料分享、模型開發、與模型版控的問題
5. 熟悉後端開發技術，如 Web 服務、資料庫、自動化測試、並行程式開發
6. Docker 或 Podman 相關容器化技術
7. 基本 ML/CV 知識

加分項目：
1. Python 程式優化相關經驗
2. 熟悉 TensorRT, OpenVINO, ONNXRuntime 等推理程式庫, 熟悉 CUDA Programming
3. 智慧攝影機或 AIoT 開發經驗
4. 雲端服務使用經驗（AWS/GCP/Azure）
5. 熟悉 C/C++/Golang
6. 模型輕量化, Quantization, Pruning, Factorizaion 等經驗
7. 貢獻開放原始碼專案，或公開技術演講經驗