Qualifications:

• Makine öğrenimi, ML mühendisliği veya karma bir rolde 3+ yıl deneyim. (birleşik profesyonel deneyim)
• Veri manipülasyonu, API geliştirme ve ML entegrasyonu için Python yeterliliği. (3 yıl deneyim)
• Büyük veri setlerini yönetmek ve verimli ETL betikleri yazma yeteneği. (1-2 yıl – herhangi bir ETL aracı)
• Veritabanı yönetimi konusunda güçlü bilgi (SQL, NoSQL, PostgreSQL veya benzerleri). (MySQL – 1-2 yıl)
• YOLO tabanlı nesne tespiti ve OCR işleme ile tanışıklık. (çalıştıkları OCR ile ilgili projeyi notlara eklemeleri gerekmektedir.)
• Pillow, OpenCV, pdf2image gibi görüntü işleme ve bilgisayarla görme araçları hakkında bilgi. (2+ yıl)
• Tensorflow, Pyspark ve Scikit-learn kullanarak makine öğrenimi modellerini eğitme ve test etme deneyimi. (üçü de – 3+ yıl)
• Docker, Kubernetes ve konteynerleştirilmiş ML iş akışlarıyla pratik deneyim. (1+ yıl)
• Azure hizmetleri ve Bulut (Veri Fabrikası, Blob Depolama, ML Stüdyosu ve diğer hesap kaynakları) ile çalışma deneyimi. (1+ yıl – AWS/GCP isteğe bağlı)
• Flask, FastAPI veya diğer API çerçeveleri ile deneyim. (herhangi/Django – 1-2 yıl)
• Üretimde ML modellerini dağıtma ve izleme için MLOps en iyi uygulamaları hakkında bilgi.
• Git ve Github/Gitlab, ve Github Actions kullanma konusunda pratik deneyim. (1+ yıl – herhangi)

Tercih Edilen Beceriler (Olması Güzel):

• Sigorta, belge işleme veya OCR ile ilgili uygulamalarda çalışma deneyimi.

• Dağıtılmış veri işleme bilgisi (Spark, Dask veya benzeri).

• ML projelerinde CI/CD hatları için DevOps uygulamalarına aşinalık.

• NLP ve LLM tabanlı modellere aşinalık.

• AWS/GCP bilgisi

Diğer İş Detayları:

Çalışma Düzeni: Hibrit, ayda 1-2 kez ofiste

Çalışma Programı: Akşam vardiyası (16:00-00:00)

Sorumluluklar:

• TIFF görüntülerini, çıkarılan alanları, CSV, PDF, XML ve yapılandırılmış çıktıları yönetmek için veri boru hatları tasarlamak, geliştirmek ve sürdürmek.

• Ön işleme (boyutlandırma, döndürme, gürültü azaltma) ve ML boru hattı entegrasyonu için ETL iş akışlarını oluşturmak ve optimize etmek.

• Üretim ortamında derin öğrenme modelleri geliştirmek, eğitmek, değerlendirmek, dağıtmak ve izlemek.

• API uç noktaları geliştirmek ve yapılandırılmış verileri mevcut veri anahtar uygulamasına entegre etmek.

• Model performansı ve veri tutarlılığı için günlükleme, izleme ve hata işleme mekanizmalarını uygulamak.

• ML ve veri iş akışlarını düzene sokmak için Docker tabanlı dağıtımlarla çalışmak.

• Kesintisiz entegrasyonu sağlamak için ML mühendisleri, yazılım geliştiriciler ve kalite test mühendisleri ile iş birliği yapmak.

Lütfen iş tanımına bakın.