Job Opportunities API

Kaipaisitko MLOps-asiantuntijana projekteja, joissa pääsisit rakentamaan ML-alustoja proof-of-concepteista todellisiksi tuotantojärjestelmiksi? Haluaisitko olla roolissa, jossa sinun infrastruktuuriosaamisesi mahdollistaa data scientistien ja datainsinöörien työn sujumisen tehokkaasti ja turvallisesti? MLOps-asiantuntijana Nitorilla rakennat sillan data science -tiimien visioiden ja skaalautuvan, ylläpidettävän tuotantojärjestelmän välille. 🧑‍🚀 Lyhyt kuvaus työstäsi MLOps Engineerina/arkkitehtina Nitorilla olet tiimin ML-infrastruktuurin asiantuntija, joka ei pelkästään suunnittele vaan myös toteuttaa. Pääset muuttamaan data scientistien prototyypit toimiviksi, kestäviksi ja skaalautuviksi tuotantojärjestelmiksi.  Vastuullasi on ML-alustojen perustaminen asiakasprojekteissa tiiviissä yhteistyössä esimerkiksi Data Platform- ja Machine Learning -tiimien kanssa. Työnkuvaasi kuuluu tyypillisesti ML-alustojen (kuten AWS SageMaker, GCP Vertex AI, Azure Machine Learning tai Kubeflow) käyttöönotto, PoC-sovellusten muuttaminen tuotantokelpoisiksi järjestelmiksi, ML-insinöörien tukeminen mallien käyttöönotossa sekä feature engineering putkien rakentaminen. Tärkeintä työssäsi on ymmärtää sekä data science -tiimien tarpeet että tuotantojärjestelmien vaatimukset. Rakennat järjestelmiä, joissa yhdistyvät suorituskyky, turvallisuus, kustannustehokkuus ja data governance -käytännöt. Varmistat, että ML-mallit pysyvät toiminnassa ja päivittyvät automaattisesti kun uutta dataa tulee. Teknologisesta näkökulmasta IaC-työkalut (Terraform), CI/CD-putket (GitHub Actions, Jenkins), konttiteknologiat (Docker, Kubernetes), pilvipalvelut (AWS, GCP, Azure) ja ML-alustat ovat osa arkeasi. Pääset mahdollisesti sukeltamaan myös distributed training -tekniikoiden, kuten Ray frameworkin pariin. Asiakasprojektimme ovat tyypillisesti haastavia, teknisesti vaativia kokonaisuuksia, joissa pääset rakentamaan ML-infrastruktuuria alusta alkaen. Projektien kesto on usein vuodesta useampaan vuoteen riippuen omista toiveistasi. Useimmissa projekteissa toimit osana asiakkaan kehitystiimiä yhdessä muiden kokeneiden nitorilaisten kanssa. Katseemme on vahvasti tulevassa. Kun tulet työkaveriksemme, uskomme, että se vie meitä taas askeleen eteenpäin – samalla kun katsomme sinulle uraasi tukevia, teknisesti kiinnostavia toimeksiantoja. Meillä saat toteuttaa näköistäsi työelämää, vaikuttaen yhteiseen tulevaisuuteemme. ✅ Mitä sinä voisit tuoda mukanasi? Tässä tehtävässä loistat, kun sinulla on syvä ymmärrys siitä, miten ML-järjestelmät toimivat tuotannossa ja miten ne rakennetaan skaalautuvasti. Ymmärrät ML-alustan arkkitehtuuripaterneja (training ja serving, workflowt, turvallisuus, kustannusoptimointi) ja osaat soveltaa niitä käytännössä. Sinulla on kokemus ML-alustojen pystyttämisestä, kuten AWS SageMaker, GCP Vertex AI, Azure Machine Learning, Kubeflow tai vastaavat. Hallitset vähintään yhden pilvipalvelun (AWS, Azure tai GCP). Osaat IaC-työkalut ja CI/CD-prosessit (Terraform, GitHub Actions, Jenkins, Docker, Kubernetes) sekä ymmärrät miten ne integroituvat ML-workfloweihin. Koska MLOps-työ on luonteeltaan monitieteistä, arvostamme kykyä ymmärtää sekä data science -tiimien tarpeita että infrastruktuurin rajoitteita. Sinun tulee osata kommunikoida teknisistä ratkaisuista sekä ML-insinööreille että liiketoimintajohdolle. Vahvat kommunikaatiotaidot ovat tärkeitä.  Eduksi katsomme kokemuksen distributed trainingista, Ray frameworkista tai vastaavista, sekä tuntemusta Databricksista ja data lake -arkkitehtuureista. Lisäksi katsomme eduksi sujuvan suomen ja englannin kielen osaamisen, sillä asiakkaita on sekä kotimaassa että kansainvälisesti.  Mitä enemmän sinulla on monipuolista kokemusta, sitä enemmän mahdollisuuksia se avaa heti alusta lähtien. Emme kuitenkaan halua liian tarkkaan määrittää, millainen sin