MLOps Engineer/Architect

Nitor; Helsinki; On-site; EUR 90,000 - 120,000; Full time

Job summary

Nitor etsii MLOps-asiantuntijaa rakentamaan ja ylläpitämään koneoppimisen infrastruktuuria asiakasprojekteihin. Rooli yhdistää data science -tiimien tarpeet tuotantokelpoisiin ratkaisuihin ja varmistaa järjestelmien turvallisuuden sekä suorituskyvyn.

Tehtäväkuvassa korostuu ML-alustojen käyttöönotto, PoC-sovellusten siirtäminen tuotantoon sekä Data Platform- ja ML-tiimien välisen yhteistyön hallinta. Etsimme osaajaa, jolla on kokemusta Terraformista, konttiteknologioista ja pilviratkaisuista.

Qualifications

• Ymmärrät ML-järjestelmien tuotantokäytön ja skaalaamisen.
• Hallitset pilvipalvelut (AWS, GCP, Azure) sekä ML-alustat.
• Tunnet IaC-työkalut (Terraform), CI/CD-prosessit sekä konttiteknologiat.
• Vahvat kommunikointitaidot ja kyky esittää teknisiä ratkaisuja liiketoimintajohtajille.
• Eduksi kokemus distributed trainingista (Ray) sekä Databricks- ja data lake -arkkitehtuureista.

Responsibilities

• Rakenat ML-infrastruktuuria asiakkaiden projekteissa yhteistyössä data platform- ja ML-tiimien kanssa.
• Otat käyttöön ML-alustoja ja muunnat PoC-ratkaisut tuotantokelpoisiksi järjestelmiksi.
• Tukee data scientist -tiimejä mallit tuotteistettuihin järjestelmiin ottamisessa ja rakentaa feature engineering -putkia.
• Varmistat suorituskyvyn, turvallisuuden ja kustannustehokkuuden sekä datan hallinnan käytännöt.

Skills

ML-infrastruktuuri

Pilvipalvelut

CI/CD osaaminen

IaC-työkalut

Terraform

Tools

Docker

Kubernetes

GitHub Actions

Jenkins

Ray

Databricks

Job description

Kaipaisko MLOps-asiantuntijana projekteja, joissa pääsisit rakentamaan ML-alustoja proof-of-concepteista todellisiksi tuotantojärjestelmiksi? Haluaisitko olla roolissa, jossa sinun infrastruktuuriosaamisesi mahdollistaa data scientistien ja datainsinöörien työn sujumisen tehokkaasti ja turvallisesti? MLOps-asiantuntijana Nitorilla rakennat sillan data science -tiimien visioiden ja skaalautuvan, ylläpidettävän tuotantojärjestelmän välille.

Lyhyt kuvaus työstäsi

MLOps Engineerina/arkkitehtina Nitorilla olet tiimin ML-infrastruktuurin asiantuntija, joka ei pelkästään suunnittele vaan myös toteuttaa. Pääset muuttamaan data scientistien prototyypit toimiviksi, kestäviksi ja skaalautuviksi tuotantojärjestelmiksi.

Vastuullasi on ML-alustojen perustaminen asiakasprojekteissa tiiviissä yhteistyössä esimerkiksi Data Platform- ja Machine Learning -tiimien kanssa. Työnkuvaasi kuuluu tyypillisesti ML-alustojen (kuten AWS SageMaker, GCP Vertex AI, Azure Machine Learning tai Kubeflow) käyttöönotto, PoC-sovellusten muuttaminen tuotantokelpoisiksi järjestelmiksi, ML-insinöörien tukeminen mallien käyttöönotossa sekä feature engineering putkien rakentaminen.

Tärkeintä työssäsi on ymmärtää sekä data science -tiimien tarpeet että tuotantojärjestelmien vaatimukset. Rakennat järjestelmiä, joissa yhdistyvät suorituskyky, turvallisuus, kustannustehokkuus ja data governance -käytännöt. Varmistat, että ML-mallit pysyvät toiminnassa ja päivittyvät automaattisesti kun uutta dataa tulee.

Teknologisesta näkökulmasta IaC-työkalut (Terraform), CI/CD-putket (GitHub Actions, Jenkins), konttiteknologiat (Docker, Kubernetes), pilvipalvelut (AWS, GCP, Azure) ja ML-alustat ovat osa arkeasi. Pääset mahdollisesti sukeltamaan myös distributed training -tekniikoiden, kuten Ray frameworkin pariin.

Asiakasprojektimme ovat tyypillisesti haastavia, teknisesti vaativia kokonaisuuksia, joissa pääset rakentamaan ML-infrastruktuuria alusta alkaen. Projektien kesto on usein vuodesta useampaan vuoteen riippuen omista toiveistasi. Useimmissa projekteissa toimit osana asiakkaan kehitystiimiä yhdessä muiden kokeneiden nitorilaisten kanssa. Katseemme on vahvasti tulevassa. Kun tulet työkaveriksemme, uskomme, että se vie meitä taas askeleen eteenpäin – samalla kun katsomme sinulle uraasi tukevia, teknisesti kiinnostavia toimeksiantoja. Meillä saat toteuttaa näköistäsi työelämää, vaikuttaen yhteiseen tulevaisuuteemme.

Mitä sinä voisit tuoda mukanasi?

Tässä tehtävässä loistat, kun sinulla on syvä ymmärrys siitä, miten ML-järjestelmät toimivat tuotannossa ja miten ne rakennetaan skaalautuvasti. Ymmärrät ML-alustan arkkitehtuuripaterneja (training ja serving, workflowt, turvallisuus, kustannusoptimointi) ja osaat soveltaa niitä käytännössä.

Sinulla on kokemus ML-alustojen pystyttämisestä, kuten AWS SageMaker, GCP Vertex AI, Azure Machine Learning, Kubeflow tai vastaavat. Hallitset vähintään yhden pilvipalvelun (AWS, Azure tai GCP). Lisäksi hallitset IaC-työkalut ja CI/CD-prosessit (esim Terraform, GitHub Actions, Jenkins, Docker, Kubernetes) sekä ymmärrät miten ne integroituvat ML-workfloweihin.

Koska MLOps-työ on luonteeltaan monitieteistä, arvostamme kykyä ymmärtää sekä data science -tiimien tarpeita että infrastruktuurin rajoitteita. Sinun tulee osata kommunikoida teknisistä ratkaisuista sekä ML-insinööreille että liiketoimintajohdolle. Vahvat kommunikaatiotaidot ovat tärkeitä.

Eduksi katsomme kokemuksen distributed trainingista, Ray frameworkista tai vastaavista, sekä tuntemusta Databricksista ja data lake -arkkitehtuureista.

Lisäksi katsomme eduksi sujuvan suomen ja englannin kielen osaamisen, sillä asiakkaita on sekä kotimaassa että kansainvälisesti.

Mitä enemmän sinulla on monipuolista kokemusta, sitä enemmän mahdollisuuksia se avaa heti alusta lähtien. Emme kuitenkaan halua liian tarkkaan määrittää, millainen sinun tulisi olla – palaset voivat loksahtaa kohdalleen niin monella tapaa.

Mitä jos valitsisitkin meidät?

Uskomme, että rekrytoinnissa ei ole kyse siitä, että yritys valitsee uuden työntekijän. Sinä lopulta teet valinnan. Ja me voimme sinua siinä auttaa.

Sinun kannattaa olla meihin yhteydessä, jos:

• haluat työskennellä mielekkäiden, pitkäkestoisten ML-projektien parissa lyhyiden projektien sijaan
• rinnallasi työskentelevät osaavat kollegat, erinomaiset kehittymismahdollisuudet sekä optimaaliset työolosuhteet ovat sinulle tärkeitä
• koet, että yhteisöllisyys ja kollegoille hyvän tahtominen ovat työelämässä merkityksellisiä arvoja
• sinusta on ihan ok tehdä normityöaikaa ja huolehtia, että vapaat ja työt pysyvät balanssissa
• haluat rakentaa ML-järjestelmiä, jotka toimivat oikeasti tuotannossa eikä vain demossa

Työskentelyäsi ja arkeasi tukevat meillä monimuotoiset edut ja mahdollisuudet, esimerkiksi:

• Voit käyttää 10 % työajastasi ammatilliseen ke