DataOps & MLOps Engineer

DataOps & MLOps Engineer

Full-Time 56250 - 68750 € / anno (stimato) In sede
Allsides

In sintesi

  • Mansioni: Costruisci infrastrutture per flussi di lavoro dati e ML in un ambiente innovativo.
  • Azienda: ALLSIDES, leader nella creazione di contenuti 3D con clienti come adidas e Meta.
  • Benefit: Compenso competitivo, buoni pasto, orari flessibili e opportunità di crescita professionale.
  • Altre informazioni: Ambiente dinamico con eccellenti opportunità di carriera in un ufficio fantastico.
  • Perché questo lavoro: Lavora con tecnologie all'avanguardia e fai la differenza nel mondo del 3D.
  • Qualifiche: Conoscenze solide di Linux e esperienza con sistemi di archiviazione dati.

La retribuzione prevista è compresa tra 56250 - 68750 € per anno.

ALLSIDES sta ridefinendo il modo in cui il mondo vive i contenuti 3D. Combiniamo scansioni fisicamente accurate e AI generativa per alimentare i flussi di lavoro di creazione di contenuti per l'e-commerce, ambienti virtuali ed esperienze immersive. I nostri clienti includono marchi globali come adidas, Meta, Amazon e Zalando.

Operiamo un'operazione di scansione 3D fotorealistica in rapida espansione, catturando decine di migliaia di asset annualmente mentre alleniamo modelli AI di nuova generazione. Come membri di NVIDIA Inception, collaboriamo con istituzioni di ricerca leader e partecipiamo attivamente a conferenze di alto livello nella visione computerizzata 3D e nell'AI.

Posizione: Stiamo cercando un DataOps & MLOps Engineer per costruire l'infrastruttura che alimenta i nostri flussi di lavoro di dati e ML. Ti concentrerai sulla memorizzazione e il movimento dei dati, la versioning dei dataset, l'automazione delle pipeline ML, il tracciamento degli esperimenti e garantire la riproducibilità attraverso i nostri carichi di lavoro di ricostruzione 3D e di addestramento.

Responsabilità principali:

  • Progettare e gestire sistemi di archiviazione dei dati per grandi dataset (dati immagine multi-TB, asset 3D, dati di addestramento)
  • Costruire schemi di accesso ai dati e strategie di movimento per l'addestramento distribuito e la sperimentazione
  • Implementare la versioning dei dataset e il tracciamento della lineage per la riproducibilità
  • Impostare e mantenere l'infrastruttura di tracciamento degli esperimenti e del registro dei modelli (MLflow, Weights & Biases)
  • Costruire pipeline ML per la pre-elaborazione dei dati, l'addestramento, la validazione e la registrazione dei modelli (Kubeflow, Airflow, Prefect)
  • Supportare flussi di lavoro di addestramento distribuito su cluster multi-GPU (PyTorch Distributed, Horovod, Ray)
  • Profilare e ottimizzare le pipeline di addestramento: colli di bottiglia nel caricamento dei dati, dimensionamento dei batch, utilizzo della memoria GPU
  • Garantire la riproducibilità degli esperimenti: pinning dell'ambiente, versioning dei dati, gestione degli artifact
  • Gestire l'archiviazione e la distribuzione degli artifact (registri Docker, registri dei modelli, repository di pacchetti)
  • Costruire strumenti per migliorare la produttività degli sviluppatori per i flussi di lavoro ML

Qualifiche:

  • Solida conoscenza di Linux
  • Esperienza con sistemi di archiviazione dei dati e gestione di file di grandi dimensioni (archiviazione oggetti, NFS, filesystem distribuiti)
  • Conoscenza degli strumenti di versioning dei dataset (DVC, Delta Lake o simili)
  • Esperienza con l'orchestrazione delle pipeline ML (Airflow, Prefect, Kubeflow)
  • Familiarità con strumenti di tracciamento degli esperimenti (MLflow, Weights & Biases, Neptune)
  • Comprensione dei framework e dei modelli di addestramento distribuito
  • Esperienza con la containerizzazione (Docker) e pipeline CI/CD
  • Conoscenza della gestione delle dipendenze Python e degli ambienti

Preferenze:

  • Esperienza con registri di modelli e flussi di lavoro di distribuzione
  • Familiarità con framework di validazione della qualità dei dati
  • Conoscenza dei processi di grafica 3D o flussi di lavoro di visione computerizzata

Cosa offriamo:

  • Compenso che riflette la tua esperienza, inclusi stock-option
  • Buoni pasto per i giorni lavorativi
  • Assistenza per il trasferimento
  • Orari di lavoro flessibili e politica di lavoro da casa
  • Ambiente adatto alle famiglie
  • Spazio ufficio straordinario in Alto Adige, situato presso il Durst Group
  • Opportunità di crescita personale e professionale

Non è necessario soddisfare ogni requisito per candidarsi, la tua motivazione e passione sono ciò che conta di più! Questa posizione è situata in sede a Brixen/Bressanone, Italia. Se sei interessato, ti preghiamo di candidarti inviando il tuo CV a careers@allsides.tech.

DataOps & MLOps Engineer datore di lavoro: Allsides

Lavorare con noi significa entrare a far parte di un ambiente stimolante e innovativo, dove la crescita personale e professionale è al centro della nostra cultura aziendale. Offriamo opportunità uniche di partecipazione agli utili attraverso l'ESOP, un team internazionale motivato e il supporto per il trasferimento nella splendida regione del Sud Tirolo. Con la possibilità di collaborare direttamente con fondatori esperti e investitori di venture capital, questa posizione rappresenta un'opportunità imperdibile per chi desidera lasciare un segno nel settore della tecnologia profonda.

Allsides

Dettagli di contatto:

Team di recruiting di Allsides

Consigli degli esperti StudySmarter🤫

Ecco come pensiamo che potresti ottenere DataOps & MLOps Engineer

✨Sfrutta i Meetups di Data Science

Partecipare a meetups e conferenze di data science è un must! Questi eventi sono un ottimo modo per connettersi con esperti del settore e altre persone in cerca di lavoro. Non vergognarti di farti avanti e parlare con i relatori: potrebbe aprirti porte inaspettate.

✨Progetti Open Source per Farsi Notare

Contribuire a progetti open source è una fantastica opportunità per mostrare le tue competenze pratiche. Non solo aiuta a costruire il tuo portfolio, ma ti consente anche di lavorare con tecnologie che potrebbero essere ricercate dalla tua futura azienda. Cerca progetti su GitHub legati a data science e mettiti in gioco!

✨Unisciti a Comunità Online

Entrare a far parte di comunità online come Kaggle o forum di data science può essere un grande vantaggio. Non solo puoi partecipare a competizioni e migliorare le tue abilità, ma puoi anche costruire una rete con altri professionisti del settore. Queste connessioni possono rivelarsi preziose quando cerchi un lavoro a tempo pieno.

✨Candidati Direttamente su Allsides

Non dimenticare di candidarti direttamente sul sito di Allsides! Spesso le aziende preferiscono ricevere applicazioni tramite il loro portale, quindi assicurati di seguire le istruzioni specifiche. Un’applicazione diretta può darti un vantaggio rispetto a chi usa canali più generali.

Pensiamo che ti servano queste competenze per eccellere come DataOps & MLOps Engineer

Linux
Data Storage Systems
Large File Handling
Dataset Versioning Tools
ML Pipeline Orchestration
Experiment Tracking Tools
Distributed Training Frameworks

Alcuni consigli per la tua candidatura 🫡

Evidenzia le tue competenze tecniche:Nel campo della data science, è fondamentale mostrare le tue competenze tecniche. Assicurati di includere nel tuo CV le lingue di programmazione che conosci, come Python o R, e i tool che hai utilizzato, come TensorFlow o scikit-learn. Non dimenticare di far vedere i tuoi progetti o le tue analisi precedenti, magari con link a GitHub o portafogli di lavoro!

Scrivi una lettera motivazionale convincente:Per un ruolo full-time in data science, la lettera motivazionale è la tua occasione per far trasparire la tua passione per i dati e la tua voglia di contribuire al lavoro di Allsides. Spiega perché sei interessato a questo specifico ruolo e come le tue esperienze passate ti rendono il candidato ideale. Non essere timido: condividi le tue ambizioni e la tua visione per il futuro!

Includi risultati quantificabili:Quando parli delle tue esperienze lavorative precedenti, cerca di includere risultati quantificabili che dimostrino il tuo impatto. Ad esempio, puoi dire che hai aumentato l'efficienza di un'analisi del 20% o che hai contribuito a un progetto che ha portato a un aumento del fatturato del 15%. Metriche del genere catturano sempre l'attenzione dei recruiter!

Mostra il tuo approccio alla risoluzione dei problemi:La data science è tutta una questione di risolvere problemi complessi. Utilizza il tuo CV e la tua lettera motivazionale per descrivere come hai affrontato sfide specifiche in progetti precedenti. Ti consigliamo di includere un breve case study o un esempio pratico dei tuoi risultati per davvero colpire i selezionatori di Allsides. Mostra loro come pensi e come apprendi!

Come prepararti a un colloquio di lavoro presso Allsides

✨Brilla con il tuo Portafoglio

Porta con te un portfolio che mostri i tuoi progetti di data science. Includi studi di caso dettagliati e le tecniche che hai utilizzato, come l'analisi dei dati, il machine learning o la visualizzazione. In questo modo possiamo dimostrare concretamente il nostro problema-solving e le nostre competenze tecniche, che sono fondamentali in questo campo!

✨Preparati a Domande Tecniche

Aspettati domande tecniche in merito a statistica, machine learning e linguaggi di programmazione come Python o R. Potrebbero chiederti di spiegare modelli specifici o di analizzare un dataset sul momento. Rinfreschiamo insieme le nozioni di base e prepariamoci a dimostrare le nostre competenze pratiche.

✨Mostra la tua Curiosità

Le aziende cercano candidati che mostrino voglia di apprendere e crescita professionale. Durante l'intervista, parliamo delle tendenze attuali nel settore e dimostriamo il nostro interesse per l'innovazione nel campo della data science. Questo non solo ci farà apparire proattivi, ma metterà anche in evidenza la nostra motivazione.

✨Comunica Chiaramente i Tuoi Risultati

Essere bravi con i dati è fondamentale, ma sapere come comunicarli è altrettanto importante. Durante l'intervista, cerca di essere chiaro e conciso mentre parli dei tuoi risultati. Usa esempi specifici per dimostrare come le tue analisi abbiano avuto un impatto positivo in progetti passati. In questo modo possiamo evidenziare le nostre capacità comunicative, fondamentali per un ruolo a tempo pieno.