
Koneoppimisinsinööri
Vie hiiri rivin päälle tai napauta riviä nähdäksesi täydelliset tilastot (EUR / kk tässä kaaviossa).
Palkka-analyysi
Palkkatarjous sijoittuu vertailutasoon "Markkinoiden keskiarvo: Koneoppimisinsinööri" nähden: palkkahaarukan keskipiste on noin 99 % vertailutason alapuolella. Kokonaisuutena tarjous asettuu markkinahaarukan (€11 159–€21 189) alapuolelle. Tarjottu palkkaväli (€208–€240) on markkinaa kapeampi, mikä viittaa pienempään vaihteluun. Vertailu perustuu 3 vastaavaan ilmoitukseen.
| Markkinat | Alaraja (25. persentiili) | Mediaani | Yläraja (75. persentiili) |
|---|---|---|---|
| Markkinoiden keskiarvo: Koneoppimisinsinööri | €11 159/kuukaudessa | €16 639/kuukaudessa | €21 189/kuukaudessa |
| Tietojemme mukainen palkka — ei mainittu ilmoituksessa (Keskitaso) | €208/kuukaudessa | €224/kuukaudessa | €240/kuukaudessa |
Roolista: Koneoppimisinsinöörinä Enfucella rakennat ja ylläpidät infrastruktuuria, työkaluja ja alustoja, jotka mahdollistavat koneoppimis- ja generatiivisen tekoälyn ratkaisujen kehittämisen, käyttöönoton ja luotettavan käytön laajassa mittakaavassa. Teet tiivistä yhteistyötä datatutkijoiden ja data-insinöörien kanssa vastaten ML-järjestelmien tuotantokiertokulusta: dataputkista ja kokeiden seurannasta mallien käyttöönottoon, valvontaan ja jatkuvaan toimitukseen. Autat vakiinnuttamaan MLOps-parhaita käytäntöjä organisaatiossa rakentamalla toistettavia koneoppimisprosesseja, skaalautuvaa infrastruktuuria ja automaatiota, joka nopeuttaa tekoälypohjaisten tuotteiden kehitystä. Roolissa työskennellään pilvinatiivien teknologioiden, modernien MLOps-alustojen ja tuotantotason tekoälyjärjestelmien kanssa finanssialalla. Mitä tulet tekemään: - Suunnittelet, rakennat ja ylläpidät skaalautuvaa MLOps-infrastruktuuria koneoppimis- ja generatiivisiin tekoälysovelluksiin. - Kehität automatisoidut koulutus-, validointi-, testaus-, käyttöönotto- ja CI/CD-putket koneoppimismalleille. - Toteutat kokeiden seurannan, mallien versionhallinnan, mallirekisterit ja artefaktien hallinnan MLOps-parhaiden käytäntöjen mukaisesti. - Rakennat ja ylläpidät työnkulun orkestrointia, piirteiden suunnittelua (feature engineering) ja datankäsittelyputkia. - Valvot tuotannon ML-järjestelmiä, mukaan lukien mallien suorituskykyä, datan laatua, poikkeamien havaitsemista, viivettä ja yleistä järjestelmän kuntoa. - Hallitset mallien koko elinkaaren, mukaan lukien uudelleenkoulutuksen, palautukset, toistettavuuden, hallinnon ja auditointikelpoisuuden. - Kontenerisoit ML-työkuormat Dockerilla ja otat käyttöön skaalautuvia palveluita pilvinatiivien teknologioiden ja orkestrointialustojen avulla. - Kehität ja ylläpidät Infrastructure as Code (IaC) -ratkaisuja AI-alustoille ja pilviresursseille. - Teet yhteistyötä datatutkijoiden ja ohjelmistoinsinöörien kanssa koneoppimisratkaisujen tuotantoonvientiä, optimointia ja skaalausta varten. - Arvioit ja toteutat uusia MLOps-työkaluja, kehyksiä ja parhaita käytäntöjä, mukaan lukien tuen LLM- ja agenttitekoälysovelluksille. Mitä tuot mukanasi: - Kandidaatin tai maisterin tutkinto tietojenkäsittelytieteestä, koneoppimisesta, ohjelmistotekniikasta tai vastaavalta alalta. - Vahvat Python-ohjelmointitaidot ja SQL-osaaminen. - Kokemus MLflow'sta kokeiden seurantaan, mallirekisteriin, versionhallintaan ja mallien elinkaaren hallintaan. - Kokemus moderneista ML-alustoista, kuten Snowflake, dbt, Snowpark ML, Vertex AI tai Amazon SageMaker. - Vahva ymmärrys koneoppimisen koko elinkaaresta, mukaan lukien kokeilut, käyttöönotto, valvonta, uudelleenkoulutus ja hallinto. - Kokemus Gitistä, ohjelmistotekniikan parhaista käytännöistä ja Infrastructure as Code (esim. Terraform tai CloudFormation). - Kokemus Dockerista, kontenerisoiduista ML-työkuormista ja konteneriorkestrointialustoista, kuten Kubernetes. - Käytännön kokemus pilvialustoista, kuten AWS, Azure tai Google Cloud Platform, mukaan lukien tuotannon valvonta ja havaittavuus. - Tuttuus piirrekauppoihin (feature stores), mallirekistereihin, artefaktirepositorioihin ja moderneihin MLOps-käytäntöihin. - Kokemus LLM- tai generatiivisten tekoälysovellusten käyttöönotosta on merkittävä etu, samoin kuin erinomaiset ongelmanratkaisu-, viestintä- ja yhteistyötaidot. Miksi rakastat työskentelyä Enfucella - Korkea autonomia ja omistajuus: Annamme sinulle vapauden omistaa työsi ja luotamme siihen, että teet parhaat päätökset projekteihisi. - Huipputason osaajat: Liity alan asiantuntijoiden ja erittäin taitavien ammattilaisten tiimiin, jotka ovat yhtä intohimoisia innovaatioista kuin sinä. - Rajaton kasvupotentiaali: Tuemme kunnianhimoasi tarjoamalla runsaasti tilaa henkilökohtaiselle ja ammatilliselle kasvulle yrityksen sisällä. - Joustava etätyö: Työskentele mistä tahansa jopa 30 päivää ympäristössä, joka arvostaa joustavuutta ja työ-elämä-tasapainoa. - Tukeva kulttuuri: Olet osa tiimiä, joka kannustaa, motivoi ja juhlii menestystä yhdessä. Kattava etupaketti: Pidämme huolta ihmisistämme tarjoamalla hienoja etuja, jotka vastaavat tuomaasi arvoa. Edut ja lisäedut: - Kilpailukykyinen palkka ja työntekijöiden osakeoptiot: Arvostamme jokaisen työntekijän panosta ja haluamme, että hyödyt yhdessä rakentamastamme kasvusta. Siksi palkkamme ovat kilpailukykyisiä ja niitä tarkistetaan säännöllisesti, ja sinulla on pääsy työntekijöiden osakeoptio-ohjelmaan. - Joustava palkallinen vapaa: Tarjoamme joustavan palkallisen vapaan politiikan, joka sisältää jopa 5 viikkoa vuotuista lomaa ja palkallisen perhevapaan (maan säädösten mukaisesti). Lisäksi voit hyödyntää hybridi- tai etätyövaihtoehtoja, mikä edistää terveellistä työ-elämä-tasapainoa. - Säännöllinen hauskanpito tiimin kanssa: Jotta voisit viettää aikaa kollegoidesi kanssa työn ulkopuolella, saat tiimiaktiviteettibudjetin kolmeksi neljännekseksi vuodessa. Neljäs neljännes on varattu koko yrityksen yhteiselle tapahtumalle.
Työn tiedot
Vastuualueet
- Suunnitella, rakentaa ja ylläpitää skaalautuvaa MLOps-infrastruktuuria koneoppimis- ja generatiivisiin tekoälysovelluksiin
- Kehittää automatisoidut koulutus-, validointi-, testaus-, käyttöönotto- ja CI/CD-putket koneoppimismalleille
- Toteuttaa kokeiden seuranta, mallien versionhallinta, mallirekisterit ja artefaktien hallinta
- Rakentaa ja ylläpitää työnkulun orkestrointia, piirteiden suunnittelua ja datankäsittelyputkia
- Valvota tuotannon ML-järjestelmien suorituskykyä, datan laatua, poikkeamia ja järjestelmän kuntoa
- Hallita mallien koko elinkaarta, mukaan lukien uudelleenkoulutus, palautukset ja hallinto
- Kontenerisoida ML-työkuormat Dockerilla ja ottaa ne käyttöön pilvinatiivien teknologioiden avulla
- Kehittää ja ylläpitää Infrastructure as Code (IaC) -ratkaisuja AI-alustoille ja pilviresursseille
- Tehdä yhteistyötä datatutkijoiden ja ohjelmistoinsinöörien kanssa ML-ratkaisujen tuotantoonvientiä ja skaalausta varten
- Arvioida ja toteuttaa uusia MLOps-työkaluja ja kehyksiä, mukaan lukien tuki LLM- ja agenttitekoälylle
Vaatimukset
- Kandidaatin tai maisterin tutkinto tietojenkäsittelytieteestä, koneoppimisesta, ohjelmistotekniikasta tai vastaavalta alalta
- Vahvat Python-ohjelmointitaidot ja SQL-osaaminen
- Kokemus MLflow'sta kokeiden seurantaan, mallirekisteriin, versionhallintaan ja mallien elinkaaren hallintaan
- Kokemus moderneista ML-alustoista, kuten Snowflake, dbt, Snowpark ML, Vertex AI tai Amazon SageMaker
- Vahva ymmärrys koneoppimisen koko elinkaaresta
- Kokemus Gitistä, ohjelmistotekniikan parhaista käytännöistä ja Infrastructure as Code (esim. Terraform tai CloudFormation)
- Kokemus Dockerista, kontenerisoiduista ML-työkuormista ja konteneriorkestrointialustoista, kuten Kubernetes
- Käytännön kokemus pilvialustoista, kuten AWS, Azure tai Google Cloud Platform
- Tuttuus piirrekauppoihin, mallirekistereihin, artefaktirepositorioihin ja moderneihin MLOps-käytäntöihin
Taidot ja teknologiat
Koulutustaso
Alempi korkeakoulututkinto
Aiheeseen liittyvät mahdollisuudet
Löydä lisää kiinnostuksen kohteisiisi ja taitoihisi sopivia mahdollisuuksia