Oferta Prueba 2 in UMEL

Would you like to be part of a multicultural team of people who care for the Earth and use technology to act in favor of nature? If this aligns with your purpose, keep reading:

We developed an application to learn, explore, and support the effective conservation of the environment. We connect people who want to support life on Earth with organizations that protect biodiversity, empowering everyone to act on behalf of nature.
Our goal is to help finance the protection of 1% of the Earth’s surface in the next ten years, and it will be possible if we do it together.

We are a group of people from different backgrounds, countries, and paths, with the conviction that everyone can get involved in caring for nature from wherever they are, leveraging the power of technology that allows us to work together to help protect Earth’s ecosystems against environmental crisis.

¿Te gustaría ser parte de un equipo de amantes de la naturaleza y la tecnología, que les preocupa nuestro planeta y les encanta trabajar remoto? Si es así, esta oferta podría ser para ti. ¡Sigue leyendo y postula! 🌎💚

Estamos buscando un MLOps Junior Engineer responsable de colaborar en de la construcción de la infraestructura central de Lemu en torno al entrenamiento e implementación de modelos de machine learning (ML), herramientas de monitoreo continuo y herramientas de despliegue de modelos automáticas y manuales. Trabajará con el equipo de R&D para diseñar, desarrollar, implementar y administrar modelos de machine learning (ML) a escala en producción.

Trabajará en la implementación de la pipeline de ML usando CI/CD para nuestro proceso de ingeniería. Su foco es el código, el control de versiones de conjuntos de datos, modelos y endpoints de producción para permitir que los ingenieros de ML colaboren, experimenten y escalen rápidamente.

Diseñar y mejorar nuestros flujos de trabajo de ML de extremo a extremo, que abarcan la extracción de características, el entrenamiento, el ajuste de hiperparámetros y el despliegue de modelos de IA en producción a escala.

Implementar y mantener Continuous Integration y Continuous Delivery para los proyectos de ML.

Automatizar el mantenimiento y la gestión de la infraestructura de ML.

Investigar e implementar herramientas, frameworks y plataformas MLOps para nuestros proyectos de ML.

Colaborar con ingenieros de R&D y clientes internos para mejorar la automatización, la reproducibilidad, la consistencia y reducir la fricción de la experimentación de ML y mejorar nuestras estrategias de prueba e implementación para modelos de IA.

Introducir de forma proactiva un enfoque moderno, ágil y automatizado de la ciencia de datos.

Realizar capacitaciones y presentaciones internas sobre los beneficios y el uso de las herramientas MLOps.