Canadá
Siemens
Later
Engenheiro(a) MLOps
Canadá
Vancouver, British Columbia, Canadá
AWSGCPKubernetesTerraform
Tradução automática. Consulte o original.
SOBRE ESTA POSIÇÃO
A Later é a empresa de marketing de influência mais inteligente do mundo, criada para dar às marcas a confiança de criar campanhas inesquecíveis. Ao combinar relacionamentos reais com criadores, inteligência confiável e orientação especializada, a Later remove o medo e o trabalho de adivinhação de um dos investimentos mais visíveis do marketing. Construída sobre uma plataforma nativa e alimentada por IA, e mais de uma década de dados proprietários — incluindo bilhões de interações sociais, impressões e mais de US$ 2.4B em compras verificadas impulsionadas por influenciadores — a Later ajuda as equipes a entender o que funcionará antes de lançar.
Ao combinar insights confiáveis com orientação especializada, a Later remove o trabalho de adivinhação do marketing de influência, permitindo que as marcas escolham os criadores certos, executem campanhas totalmente gerenciadas e impulsionem um crescimento significativo em reconhecimento, engajamento e receita. Confiada por marcas líderes como Nike, Wayfair, Unilever e Southwest Airlines, a Later une criatividade e desempenho para que as campanhas não apenas tenham boa aparência, mas também entreguem resultados. Saiba mais em later.com later.com/.
Estamos procurando um(a) Engenheiro(a) MLOps para ajudar a dar suporte e expandir a infraestrutura de nuvem da Later, as práticas de DevOps e as capacidades emergentes de MLOps. Esta função se reporta à equipe de Infraestrutura e foca principalmente em MLOps, AWS, Kubernetes, CI/CD, Terraform, ao mesmo tempo em que ajuda a dar suporte às necessidades de infraestrutura de nossas equipes de Dados. Você trabalhará em estreita colaboração com engenheiros seniores, equipes de plataforma, cientistas de dados e engenheiros de produto para ajudar a construir os sistemas que suportam a entrega de aplicativos, fluxos de trabalho de dados, experimentação de modelos e implantação de ML.
Esta é uma ótima função para alguém que tem uma base sólida em DevOps e deseja se aprofundar em infraestrutura de nuvem, Kubernetes, GitOps e MLOps. Você ajudará a manter a infraestrutura confiável, melhorar os fluxos de trabalho de implantação, automatizar tarefas repetitivas e dar suporte aos sistemas que permitem que as equipes de engenharia e dados se movam com mais rapidez e segurança.
O QUE VOCÊ FARÁ
ESTRATÉGIA
- Apoiar o desenvolvimento e a execução do roteiro de infraestrutura em DevOps e MLOps, alinhado com os planos de crescimento de produto e dados/IA.
- Colaborar com as equipes de engenharia, dados e ML para garantir que escalabilidade, confiabilidade, segurança e automação sejam incorporadas tanto na infraestrutura de aplicativos quanto nos fluxos de trabalho de machine learning.
- Ajudar a avaliar e adotar ferramentas de DevOps e MLOps que melhoram a eficiência do sistema, a observabilidade, a experiência do desenvolvedor, a implantação de modelos e a confiabilidade operacional.
- Contribuir para padrões de plataforma que tornam a infraestrutura, os pipelines de CI/CD, os fluxos de trabalho de dados e os sistemas de ML mais repetíveis, seguros e fáceis de operar.
- Apoiar a evolução das práticas nativas da nuvem que permitem uma entrega de produto mais rápida, ao mesmo tempo em que preparam a plataforma para futuras iniciativas de IA e ML.
TÉCNICO/EXECUÇÃO
- Construir e gerenciar infraestrutura para implantar modelos de ML em produção de forma confiável usando pipelines de CI/CD, APIs baseadas em Flask e ferramentas de orquestração (por exemplo, Airflow, Kubeflow ou Argo Workflows).
- Automatizar pipelines de treinamento, registro de modelos, validação, implantação e estratégias de rollback usando ferramentas como Amazon SageMaker Interface e Postman para testes.
- Construir sistemas para monitorar o desempenho do modelo, latência, desvio de dados e uso de recursos usando Amazon CloudWatch, Prometheus e Grafana.
- Projetar e manter ferramentas e sistemas para suportar versionamento de modelos, rastreamento de experimentos (por exemplo, MLflow, Amazon SageMaker Studio Notebooks) e fluxos de trabalho de treinamento reproduzíveis.
- Operar em GCP e AWS para gerenciar infraestrutura de treinamento/inferência, conjuntos de dados de BigQuery e cargas de trabalho de GPU.
- Usar ferramentas como Terraform ou CloudFormation para gerenciar a infraestrutura de nuvem de maneira escalável e repetível.
- Trabalhar com Cientistas de Dados, Analistas, Engenheiros de Plataforma e Engenheiros de Produto para dar suporte aos seus fluxos de trabalho de ML de ponta a ponta.
EQUIPE / COLABORAÇÃO
- Colaborar com as equipes de Produto e Dados para otimizar fluxos de trabalho de CI/CD, práticas de GitOps e processos de implantação que suportam tanto a entrega de aplicativos quanto os fluxos de trabalho de dados/ML.
- Trabalhar em estreita colaboração com as equipes de Dados para dar suporte à infraestrutura confiável para pipelines de dados, experimentação de modelos, fluxos de trabalho de treinamento e implantações de ML em produção.
- Colaborar com as equipes de Produto para entender as necessidades da plataforma e garantir que as decisões de infraestrutura suportem a confiabilidade, escalabilidade e velocidade de entrega do produto.
- Compartilhar documentação, runbooks e melhores práticas que ajudem as equipes de Produto e Dados a implantar, monitorar e solucionar problemas de sistemas com mais autonomia.
- Apoiar uma cultura colaborativa de DevOps e MLOps, ajudando as equipes a adotar automação, observabilidade e padrões de implantação repetíveis.
PESQUISA/MELHORES PRÁTICAS
- Manter-se atualizado com as tendências de nuvem nativa, DevOps, infraestrutura de dados e MLOps, identificando ferramentas, padrões e práticas que podem melhorar a confiabilidade, automação, escalabilidade e velocidade de entrega.
- Avaliar continuamente a infraestrutura, os pipelines de CI/CD, os fluxos de trabalho de dados, os processos de implantação de modelos, o desempenho, o custo e a eficiência, recomendando melhorias que se alinhem com os objetivos das equipes de produto, engenharia e dados.
- Contribuir para a documentação, runbooks, revisões de incidentes e processos de post-mortem para fortalecer o aprendizado operacional em práticas de DevOps e MLOps.
- Ajudar a definir e compartilhar melhores práticas para infraestrutura como código, GitOps, observabilidade, implantações seguras, confiabilidade de pipelines de dados e automação de fluxos de trabalho de ML.
- Procurar oportunidades para simplificar sistemas, reduzir o trabalho manual e melhorar a experiência do desenvolvedor e da equipe de dados por meio de melhores ferramentas, automação e padrões de plataforma.
O QUE O SUCESSO PARECE
PRIMEIROS 30 DIAS — APRENDER, APOIAR E ENTENDER
- Nos primeiros 30 dias, o(a) candidato(a) se concentrará em aprender a infraestrutura de nuvem da Later, os ambientes de Kubernetes, os serviços da AWS, os fluxos de trabalho de CI/CD e os componentes da plataforma de dados/ML.
- Ele(a) começará a dar suporte aos pipelines de implantação existentes, ferramentas de observabilidade, documentação de infraestrutura e fluxos de trabalho operacionais. Ele(a) também começará a se familiarizar com cargas de trabalho habilitadas para GPU, ambientes SageMaker, notebooks, trabalhos de treinamento de modelos e processos atuais de implantação de ML.
- Até o final dos 30 dias, o(a) candidato(a) deverá entender como nossos sistemas de DevOps e MLOps são estruturados, onde o suporte é necessário e como as equipes de Produto e Dados usam a plataforma.
- Você é reconhecido internamente como um parceiro confiável que apoia a excelência operacional, melhora a confiabilidade da plataforma e ajuda a elevar os padrões técnicos em práticas de DevOps e MLOps.
PRIMEIROS 60 DIAS — CONTRIBUIR, AUTOMATIZAR E MELHORAR
- Em 60 dias, o(a) candidato(a) começará a assumir a propriedade de tarefas menores de infraestrutura e automação em fluxos de trabalho de Kubernetes, AWS, CI/CD e plataforma de ML.
- Ele(a) ajudará a melhorar os pipelines de implantação para aplicativos, infraestrutura e fluxos de trabalho de ML, tornando-os mais consistentes, automatizados e fáceis de usar pelas equipes. Ele(a) também apoiará o provisionamento, monitoramento e otimização de nós de GPU para cargas de trabalho de treinamento, experimentação e inferência.
- O(a) candidato(a) contribuirá para o suporte do SageMaker, incluindo notebooks, trabalhos de treinamento de modelos, controles de acesso, monitoramento e padrões de implantação repetíveis. Ele(a) também ajudará a melhorar a documentação, os runbooks, os alertas e os processos de solução de problemas.
PRIMEIROS 90 DIAS — SER DONO, OTIMIZAR E ESCALAR
- Em 90 dias, o(a) candidato(a) deverá contribuir com mais independência em fluxos de trabalho de DevOps e MLOps.
- Ele(a) ajudará a melhorar a confiabilidade, escalabilidade, segurança e observabilidade em clusters de Kubernetes, infraestrutura de AWS, cargas de trabalho habilitadas para GPU, ambientes SageMaker e componentes da plataforma de dados/ML.
- Ele(a) apoiará fluxos de trabalho de ML prontos para produção, ajudando a melhorar a experimentação, implantação de modelos, monitoramento, rollback, solução de problemas e prontidão operacional. Ele(a) também ajudará a garantir que os requisitos de segurança e conformidade sejam integrados à infraestrutura, pipelines de CI/CD, pipelines de dados, fluxos de trabalho do SageMaker e operações da plataforma.
- Até o final dos 90 dias, o(a) candidato(a) deverá ser reconhecido(a) como um parceiro confiável para as equipes de Produto e Dados, ajudando a reduzir a sobrecarga operacional por meio de automação, documentação, alertas, gerenciamento de recursos de GPU e padrões de plataforma repetíveis.
COMO VOCÊ TRABALHA
- Impulsionado(a) por Impacto: Você entrega resultados que importam — priorizando trabalho de alto valor, cumprindo prazos e se adaptando rapidamente, mantendo os resultados claros.
- Estratégico(a) e Centrado(a) no Cliente: Você antecipa riscos e oportunidades, conecta decisões ao crescimento de longo prazo e constrói confiança por meio de insights proativos.
- Curioso(a) e Orientado(a) para o Crescimento: Você busca conhecimento, faz perguntas perspicazes e aplica aprendizados rapidamente — desafiando o status quo com uma mentalidade de melhoria.
- Colaborativo(a) e Resiliente: Você prospera na mudança, mantendo-se engenhoso(a), focado(a) em soluções e positivo(a) — removendo obstáculos, compartilhando insights e mantendo o moral elevado.
- Responsável e Honesto(a): Você assume seu trabalho, exige um alto padrão de si mesmo(a) e dos outros, e usa feedback transparente para impulsionar o crescimento.
- Inteligência Emocional: Você constrói confiança por meio de empatia e colaboração, promove a inclusão e inspira os outros com garra, otimismo e integridade.
#LI-Hybrid
ONDE TRABALHAMOS
Temos escritórios em Boston, MA; Vancouver, BC; e Vancouver, WA. Para posições selecionadas, estamos abertos a contratar candidatos totalmente remotos. Publicamos nossas vagas na(s) localidade(s) onde estamos abertos para que o(a) candidato(a) selecionado(a) esteja localizado(a).
DIVERSIDADE, INCLUSÃO E ACESSIBILIDADE
Na Later, estamos comprometidos em promover uma cultura enraizada em uma mentalidade de inclusão em primeiro lugar em todos os níveis da empresa, abraçando a importância de contratar e construir equipes para 'culture add' em vez de 'culture fit'. Construímos e mantemos abertamente práticas de contratação, remuneração e promoção imparciais para criar uma base para um local de trabalho equitativo, abrindo caminho para mudanças sistêmicas.
Estamos comprometidos em criar um ambiente diversificado e temos orgulho de ser um empregador que oferece igualdade de oportunidades. Todas as candidaturas receberão consideração para emprego sem distinção de raça, cor, religião, gênero, identidade ou expressão de gênero, origem nacional, deficiência ou idade. Por favor, informe-nos se você precisar de alguma acomodação ou suporte durante o processo de recrutamento.
O QUE VOCÊ TRAZ
- 2–5 anos de experiência prática em DevOps ou engenharia de nuvem em ambientes de produção.
- Experiência com Kubernetes (EKS), Helm e microsserviços.
- 1-2 anos de experiência com AWS e SageMaker.
- 1-2 anos criando pipelines de dados
- 1-2 anos com implantações de LLM em Kubernetes
- 1-2 anos com clusters de kubernetes usando nós com GPU
- Histórico comprovado de uso de Terraform para Infraestrutura como Código escalável e auditável.
- Uma mentalidade colaborativa e orientada para soluções, e uma paixão por automação e melhoria contínua.
NOSSA ABORDAGEM DE REMUNERAÇÃO
Adotamos uma abordagem de remuneração baseada no mercado e orientada por dados. Utilizamos dados de fontes de remuneração confiáveis de terceiros para nos ajudar a entender o valor de mercado de uma função com base na função, nível, localização geográfica e escopo. Avaliamos a remuneração semestralmente, incluindo fatores de desempenho e relacionados ao mercado.
Nossos salários são comparados com o Total Cash Compensation de mercado para a localização geográfica de nossas vagas. A remuneração para algumas funções é estruturada como On Target Earnings (OTE = base + comissão/variável), enquanto para outras é estruturada apenas como Salário.
Para cumprir a legislação local e garantir a transparência, compartilhamos faixas salariais em todas as vagas. Habilidades, experiência e outros fatores ajudam a determinar o salário final que oferecemos, que pode variar da faixa originalmente publicada.
Além disso, todos os membros permanentes da equipe são elegíveis para participar de vários planos de benefícios como parte de seu pacote geral de remuneração.
Faixa Salarial: $ 120,000 - 140,000 CAD
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil