לוקח מודלים שנבנו על ידי דאטה סיינטיסטים והופך אותם לשירות פרודקשן יציב, כולל בניית API להגשת חיזויים וניטור ביצועי המודל לאורך זמן. עובד מול צוותי הנדסה ותשתית כדי לוודא latency נמוך גם בעומס.
פסקת פתיחה לדוגמה
מהנדס ML עם ניסיון בהטמעת מודלים בסביבת פרודקשן
שורות הישג עם מספרים
הטמיע 12 מודלים בפרודקשן עם זמינות של 99.9%
צמצם latency של inference מ-800ms ל-120ms
בנה מערכת ניטור drift שהתריעה על 5 ירידות ביצועי מודל
אוטמט תהליך re-training כך שרץ אוטומטית מדי שבוע
כישורים שכדאי לציין
MLOps
Python
עיצוב API
Docker
ניטור מודלים
אופטימיזציית inference
Feature Store
CI/CD למודלים
מערכות וכלים
MLflow
Kubernetes
TensorFlow Serving
FastAPI
Airflow
טעויות נפוצות בקורות חיים למהנדס/ת למידת מכונה
ערבוב בין תיאור עבודת מחקר לעבודת הנדסת פרודקשן
העדר נתוני latency, throughput או זמינות בהישגים
חוסר אזכור תהליך ניטור או re-training של המודל לאחר הפריסה