Canada
Siemens
Later
Ingénieur MLOps
Canada
Vancouver, British Columbia, Canada
AWSGCPKubernetesTerraform
Traduction automatique. Consultez l’original.
À PROPOS DE CE POSTE
Later est la société de marketing d'influence la plus intelligente au monde, conçue pour donner aux marques la confiance nécessaire pour créer des campagnes inoubliables. En combinant de vraies relations avec les créateurs, une intelligence fiable et des conseils d'experts, Later élimine la peur et les conjectures de l'un des investissements les plus visibles du marketing. Construit sur une plateforme native basée sur l'IA et plus d'une décennie de données propriétaires—y compris des milliards d'interactions sociales, d'impressions et plus de 2.4 milliards de dollars en achats vérifiés générés par les influenceurs—Later aide les équipes à comprendre ce qui fonctionnera avant de lancer.
En combinant des informations fiables et des conseils d'experts, Later élimine les conjectures du marketing d'influence, permettant aux marques de choisir les bons créateurs, d'exécuter des campagnes entièrement gérées et de générer une croissance significative en matière de notoriété, d'engagement et de revenus. Approuvé par des marques leaders telles que Nike, Wayfair, Unilever et Southwest Airlines, Later fait le pont entre la créativité et la performance pour que les campagnes ne se contentent pas d'être belles, mais qu'elles produisent des résultats. En savoir plus sur later.com later.com/.
Nous recherchons un Ingénieur MLOps pour nous aider à soutenir et à développer l'infrastructure cloud de Later, les pratiques DevOps et les capacités MLOps émergentes. Ce rôle relève de l'équipe Infrastructure et est principalement axé sur MLOps, AWS, Kubernetes, CI/CD, Terraform, tout en contribuant à soutenir les besoins infrastructurels de nos équipes de données. Vous travaillerez en étroite collaboration avec des ingénieurs seniors, des équipes plateforme, des data scientists et des ingénieurs produit pour aider à construire les systèmes qui prennent en charge la livraison des applications, les flux de données, l'expérimentation de modèles et le déploiement de ML.
C'est un excellent poste pour quelqu'un qui a une base solide en DevOps et qui souhaite approfondir l'infrastructure cloud, Kubernetes, GitOps et MLOps. Vous aiderez à maintenir une infrastructure fiable, à améliorer les flux de déploiement, à automatiser les tâches répétitives et à prendre en charge les systèmes qui permettent aux équipes d'ingénierie et de données de progresser plus rapidement et plus sûrement.
VOTRE MISSION
STRATÉGIE
- Soutenir le développement et l'exécution de la feuille de route infrastructurelle dans les domaines de DevOps et MLOps, alignée sur les plans de croissance produit et data/IA.
- Collaborer avec les équipes d'ingénierie, data et ML pour garantir que la scalabilité, la fiabilité, la sécurité et l'automatisation sont intégrées à la fois à l'infrastructure applicative et aux flux de travail machine learning.
- Aider à évaluer et adopter des outils DevOps et MLOps qui améliorent l'efficacité du système, l'observabilité, l'expérience développeur, le déploiement de modèles et la fiabilité opérationnelle.
- Contribuer aux standards de plateforme qui rendent l'infrastructure, les flux CI/CD, les pipelines de données et les systèmes ML plus répétables, sécurisés et faciles à opérer.
- Soutenir l'évolution des pratiques cloud-natives qui permettent une livraison produit plus rapide tout en préparant la plateforme pour les futures initiatives IA et ML.
TECHNIQUE / EXÉCUTION
- Construire et gérer l'infrastructure pour déployer de manière fiable des modèles ML en production en utilisant des pipelines CI/CD, des APIs basées sur Flask, et des outils d'orchestration (par ex., Airflow, Kubeflow ou Argo Workflows).
- Automatiser les pipelines d'entraînement, le registre de modèles, la validation, le déploiement et les stratégies de rollback en utilisant des outils tels qu'Amazon SageMaker Interface et Postman pour les tests.
- Construire des systèmes pour surveiller la performance des modèles, la latence, la dérive des données et l'utilisation des ressources en utilisant Amazon CloudWatch, Prometheus et Grafana.
- Concevoir et maintenir des outils et systèmes pour supporter le versionnement des modèles, le suivi des expériences (par ex., MLflow, Amazon SageMaker Studio Notebooks) et les flux d'entraînement reproductibles.
- Opérer sur GCP et AWS pour gérer l'infrastructure d'entraînement/inférence, les jeux de données BigQuery et les charges de travail GPU.
- Utiliser des outils comme Terraform ou CloudFormation pour gérer l'infrastructure cloud de manière évolutive et répétable.
- Travailler avec des Data Scientists, des Analystes, des Ingénieurs Plateforme et des Ingénieurs Produit pour supporter leurs flux ML de bout en bout.
ÉQUIPE / COLLABORATION
- Collaborer avec les équipes Produit et Data pour rationaliser les flux CI/CD, les pratiques GitOps et les processus de déploiement qui supportent à la fois la livraison applicative et les flux de données/ML.
- Travailler en étroite collaboration avec les équipes Data pour supporter une infrastructure fiable pour les pipelines de données, l'expérimentation de modèles, les flux d'entraînement et les déploiements ML en production.
- Collaborer avec les équipes Produit pour comprendre les besoins de la plateforme et s'assurer que les décisions d'infrastructure soutiennent la fiabilité, la scalabilité et la vitesse de livraison du produit.
- Partager la documentation, les runbooks et les meilleures pratiques qui aident les équipes Produit et Data à déployer, surveiller et dépanner les systèmes avec plus d'autonomie.
- Soutenir une culture collaborative de DevOps et MLOps en aidant les équipes à adopter l'automatisation, l'observabilité et les modèles de déploiement répétables.
RECHERCHE / MEILLEURES PRATIQUES
- Se tenir au courant des tendances cloud-natives, DevOps, infrastructure de données et MLOps, en identifiant les outils, les modèles et les pratiques qui peuvent améliorer la fiabilité, l'automatisation, la scalabilité et la vitesse de livraison.
- Évaluer continuellement l'infrastructure, les pipelines CI/CD, les flux de données, les processus de déploiement de modèles, la performance, le coût et l'efficacité, en recommandant des améliorations qui s'alignent sur les objectifs des équipes produit, ingénierie et data.
- Contribuer à la documentation, aux runbooks, aux revues d'incidents et aux processus de post-mortem pour renforcer l'apprentissage opérationnel dans les pratiques DevOps et MLOps.
- Aider à définir et partager les meilleures pratiques pour l'infrastructure-as-code, GitOps, l'observabilité, les déploiements sécurisés, la fiabilité des pipelines de données et l'automatisation des flux ML.
- Rechercher des opportunités pour simplifier les systèmes, réduire le travail manuel et améliorer l'expérience des développeurs et des équipes data grâce à de meilleurs outils, à l'automatisation et aux standards de plateforme.
COMMENT LE SUCCÈS SE MANIFESTE
PREMIERS 30 JOURS — APPRENDRE, SOUTENIR ET COMPRENDRE
- Durant les 30 premiers jours, le candidat se concentrera sur l'apprentissage de l'infrastructure cloud de Later, des environnements Kubernetes, des services AWS, des flux CI/CD et des composants de la plateforme data/ML.
- Il commencera à supporter les pipelines de déploiement existants, les outils d'observabilité, la documentation infrastructurelle et les flux opérationnels. Il se familiarisera également avec les charges de travail GPU, les environnements SageMaker, les notebooks, les tâches d'entraînement de modèles et les processus de déploiement ML actuels.
- À la fin des 30 jours, le candidat devrait comprendre comment nos systèmes DevOps et MLOps sont structurés, où le support est nécessaire, et comment les équipes Produit et Data utilisent la plateforme.
- Vous êtes reconnu en interne comme un partenaire de confiance qui soutient l'excellence opérationnelle, améliore la fiabilité de la plateforme et contribue à élever les standards techniques dans les pratiques de DevOps et MLOps.
PREMIERS 60 JOURS — CONTRIBUER, AUTOMATISER ET AMÉLIORER
- D'ici 60 jours, le candidat commencera à prendre en charge des tâches d'infrastructure et d'automatisation plus petites sur Kubernetes, AWS, CI/CD et les flux de la plateforme ML.
- Il aidera à améliorer les pipelines de déploiement pour les applications, l'infrastructure et les flux ML, les rendant plus cohérents, automatisés et plus faciles à utiliser pour les équipes. Il supportera également le provisionnement, la surveillance et l'optimisation des nœuds GPU pour les charges de travail d'entraînement, d'expérimentation et d'inférence.
- Le candidat contribuera au support de SageMaker, y compris les notebooks, les tâches d'entraînement de modèles, les contrôles d'accès, la surveillance et les modèles de déploiement répétables. Il aidera également à améliorer la documentation, les runbooks, l'alerte et les processus de dépannage.
PREMIERS 90 JOURS — PRENDRE EN CHARGE, OPTIMISER ET SCALER
- D'ici 90 jours, le candidat devrait contribuer avec plus d'indépendance dans les flux DevOps et MLOps.
- Il aidera à améliorer la fiabilité, la scalabilité, la sécurité et l'observabilité des clusters Kubernetes, de l'infrastructure AWS, des charges de travail GPU, des environnements SageMaker et des composants de la plateforme data/ML.
- Il supportera les flux ML prêts pour la production en aidant à améliorer l'expérimentation, le déploiement de modèles, la surveillance, le rollback, le dépannage et la préparation opérationnelle. Il s'assurera également que les exigences de sécurité et de conformité sont intégrées à l'infrastructure, aux flux CI/CD, aux pipelines de données, aux flux SageMaker et aux opérations de plateforme.
- À la fin des 90 jours, le candidat devrait être reconnu comme un partenaire de confiance pour les équipes Produit et Data, aidant à réduire la charge opérationnelle grâce à l'automatisation, la documentation, l'alerte, la gestion des ressources GPU et les standards de plateforme répétables.
VOTRE FAÇON DE TRAVAILLER
- Axé sur l'impact : Vous produisez des résultats significatifs — en priorisant le travail à forte valeur ajoutée, en respectant les délais et en vous adaptant rapidement tout en gardant les objectifs clairs.
- Stratégique et centré sur le client : Vous anticipez les risques et les opportunités, reliez les décisions à la croissance à long terme et établissez la confiance grâce à des insights proactifs.
- Curieux et orienté croissance : Vous recherchez la connaissance, posez des questions pertinentes et appliquez rapidement ce que vous apprenez — remettant en question le statu quo avec un état d'esprit d'amélioration.
- Collaboratif et résilient : Vous prospérez dans le changement en restant ingénieux, axé sur les solutions et positif — en éliminant les obstacles, en partageant vos idées et en maintenant le moral élevé.
- Responsable et honnête : Vous assumez votre travail, vous vous fixez et vous fixez aux autres des exigences élevées, et vous utilisez des retours transparents pour stimuler la croissance.
- Intelligent émotionnellement : Vous établissez la confiance par l'empathie et la collaboration, favorisez l'inclusion et inspirez les autres par votre ténacité, votre optimisme et votre intégrité.
#LI-Hybrid
OÙ NOUS TRAVAILLONS
Nous avons des bureaux à Boston, MA ; Vancouver, BC ; et Vancouver, WA. Pour certains postes, nous sommes ouverts à l'embauche de candidats entièrement à distance. Nous publions nos offres d'emploi dans la ou les localités où nous sommes ouverts à ce que le candidat retenu soit situé.
DIVERSITÉ, INCLUSION ET ACCESSIBILITÉ
Chez Later, nous nous engageons à favoriser une culture ancrée dans un état d'esprit axé sur l'inclusion à tous les niveaux de l'entreprise, en valorisant l'importance d'embaucher et de constituer des équipes pour leur apport culturel plutôt que pour leur conformité culturelle. Nous mettons en place et mantenons ouvertement des pratiques de recrutement, de rémunération et de promotion équitables pour créer une base pour un lieu de travail équitable, ouvrant la voie à un changement systémique.
Nous nous engageons à créer un environnement diversifié et sommes fiers d'être un employeur garantissant l'égalité des chances. Toutes les candidatures recevront une considération pour l'emploi sans égard à la race, la couleur, la religion, le sexe, l'identité ou l'expression de genre, l'origine nationale, le handicap ou l'âge. N'hésitez pas à nous faire savoir si vous avez besoin d'aménagements ou de soutien pendant le processus de recrutement.
VOTRE PROFIL
- 2–5 ans d'expérience pratique en DevOps ou en ingénierie cloud dans des environnements de production.
- Expertise avec Kubernetes (EKS), Helm et les microservices.
- 1-2 ans d'expérience avec AWS et SageMaker.
- 1-2 ans dans la création de pipelines de données
- 1-2 ans avec des déploiements de LLM sur Kubernetes
- 1-2 ans avec des clusters kubernetes utilisant des nœuds dotés de GPU
- Expérience avérée dans l'utilisation de Terraform pour une Infrastructure as Code évolutive et auditable.
- Un état d'esprit collaboratif et orienté solution, ainsi qu'une passion pour l'automatisation et l'amélioration continue.
NOTRE APPROCHE DE LA COMPENSATION
Nous adoptons une approche de la rémunération basée sur le marché et les données. Nous utilisons des données provenant de sources de rémunération tierces fiables pour nous aider à comprendre la valeur marchande d'un poste en fonction de la fonction, du niveau, de la localisation géographique et de la portée. Nous évaluons la rémunération deux fois par an, en tenant compte des performances et des facteurs liés au marché.
Nos salaires sont comparés au marché de la Rémunération Totale en Espèces pour la localisation géographique de notre offre d'emploi. La rémunération pour certains postes est structurée en Revenus Cibles (OTE = salaire de base + commission/variable) tandis que pour d'autres, elle est structurée uniquement en salaire.
Pour se conformer à la législation locale et assurer la transparence, nous partageons les fourchettes de salaires sur toutes les offres d'emploi. Les compétences, l'expérience et d'autres facteurs déterminent le salaire final que nous proposons, lequel peut varier par rapport à la fourchette initialement publiée.
De plus, tous les membres permanents de l'équipe sont éligibles pour participer à divers plans d'avantages sociaux qui font partie de leur package de rémunération global.
Fourchette de salaire : $ 120,000 - 140,000 CAD
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil