老数据科学家毫升运维工程事故

高级数据科学家职位的主要目的是建筑师作为技术领导者,发展,和支持一个毫升运维技术堆栈的肿瘤测量计划(剧情)。在这个角色中,候选人将专注于以下领域:

* * * Azure,理想的候选人将有经验和能力进行工具和服务,如Azure弧,Azure毫升和Azure认知计算(或相似的)。* * *

•架构师,开发。和维护一个毫升运维技术堆栈,使快速机器学习实验,测试、部署和监控。
•实施CI / CD管道自动化测试,机器学习模型的构建和部署。
•启用版本控制系统,执行代码评审、数据管道和ML管道,以确保模型的再现性和可追溯性。
•构建自动化机器学习模型的集成端点与多个医疗系统(例如XNAT,治疗计划和pac)。
•为监控和日志MLOps框架的开发方法。
•开发和支持性能监视工具,影响监测、偏差检测和修复,培训和转出的新模型。
•提供及时的事件响应,失败后回退,退役的人工智能算法。
•确保安全性和遵从性的机器学习系统,包括数据隐私、访问控制和模型的完整性。
•实现安全最佳实践,进行风险评估,并遵守监管要求(如HIPAA)。
•与ML工程师协作,管理和维护生活和批处理终端模型。

专业技术
处理容器技术,如码头工人和容器像Kubernetes编排系统,促进管道编排。
开发和支持住,实时和批量推理端点
内部工作,云,混合计算环境
实现自动化测试框架和库,
利用DevOps的最佳实践,包括CI / CD。
利用Git和其他技术的一部分MLOps技术堆栈的生命周期管理
处理数据工程师建造管道进行数据提取、转换和加载(ETL)流程。
处理一系列存储技术,包括,但不限于,SQL, NoSQL, Hadoop和火花。
使用Python和机器学习库像TensorFlow PyTorch, Scikit-learn。

分析技巧
创建架构设计模式来驱动开发、优化和扩展的解决方案。
利用有效的解决问题的诊断和解决可能出现的各种问题在MLOps技术堆栈,如数据管道,模型部署,监控系统,或底层基础设施。
进行根本原因分析的问题和制定可持续的解决方案。
生成和分析系统数据支持技术堆栈,包括日志、指标和性能数据。
识别趋势、模式和异常可能影响MLOps技术堆栈的操作和部署模型。

专业的口头和书面
收集初始需求,设计和开发,执行可行性测试所提出的解决方案
简明而清晰的出现在项目的技术和非技术和进度更新会议以及外部会议、研讨会、发布会等。
有效沟通和合作,领导,同事,最终用户和支持团队在需要时。
转移知识、专业知识和方法通过主动提供技术援助,同行。
支持自动化团队接收/审查请求,电影剧情和协助研究人员分析各种各样的临床数据,评估,并解释结果。乐动体育LDsports中国
呈现在项目会议结果和进展以及外部会议、研讨会、发布会等。
沟通和协助合作和有效地与领导,同事、终端用户和支持团队在需要时。

其他职责分配