Data Engineer/ ML Ops

Примеры текущих задач:

• Создание и поддержка дата-платформы - БД, ETL-пайплайны, разработка и поддержка дата-продуктов
• Поддержка БД с разметкой и написание проверок качества данных совместно с ML-командами
• Создание различных пайплайнов - офлайн-генерация предсказаний для неразмеченных данных; автоматическое создание заданий на разметку; синхронизация данных между разными хранилищами (Yandex.Cloud, локальное хранилище, горячие хранилища на отдельных серверах)
• Помощь в создании различных сервисов для ML-команд и команды разметки - например сервис по автоматическому отбору данных на разметку с помощью активного обучения; сервис по мониторингу экспериментов на spot-инстансах; интерактивные витрины и дашборды
• Опционально - помощь в оптимизации пайплайнов автоматического тестирования DL-систем

Мы ищем того, кто, успешно развивает продуктивные коммуникации между разноплановыми проектными коллективами

• умеет слушать чужие мнения и не стесняется высказывать своё
• готов работать в условиях не до конца сформированного, хаотичного рынка медицинских AI-технологий
• интересуется современными технологиями и фреймворками, любит делиться знаниями и отвечать на вопросы

Наши решения:

• Маммография - детектирование злокачественных и доброкачественных образований на снимках молочной железы. Мы - первая команда, прошедшая в продуктовый контур Эксперимента по использованию сервисов на основе технологий ИИ в системе здравоохранения города Москвы.
• Флюорография и рентген - классификация и сегментация патологических изменений грудной клетки
• КТ лёгких - сегментация злокачественных образований, признаков COVID-19 и пяти других патологий
• КТ мозга - локализация внутричерепных кровоизлияний

Мы предлагаем:

• Офис у метро Площадь Восстания, доступ 24/7
• ДМС
• Официальная заработная плата
•  Полный рабочий день, гибкий график, возможен гибридный режим работы
• Работа в большом ML-отделе (25 человек), регулярные эвенты по обмену знаниями
• Постоянно выступаем на конфах (CodeFest, ODS Data Fest, Opentalks.AI, LeanDS)

Требования:

• Отличное владение Python
• Владение необходимым инструментарием - Docker, Docker Compose, Kubernetes
• Опыт работы с СУБД (PostgreSQL)
• Опыт работы с облачными хранилищами данных - Amazon/Yandex S3
• Опыт работы с Prometheus и Grafana
• Опыт создания интерактивных дашбордов на Python - например, Steamlit или Dash
• Опыт работы с KV-хранилищами

Плюсом будет:

• Опыт работы с ETL-инструментами - Airflow (Kubernetes Executor)
• Опыт работы с Redis, RabbitMQ, Kafka
• Знание фреймворков для сёрвинга и деплоя (BentoML, Seldon, Cortex, etc.)
• Знание фреймворков трекинга экспериментов (ClearML, DVC, MLFlow, W&B)
• Знание веб-фреймворков - Flask, FastAPI
• Знание основной ML-терминологии, опыт работы с GPU-ресурсами