职位描述：
• 设计和实施云解决方案，在云端建立MLOps（使用AWS、Azure或GCP）
• 使用GitLab CI、GitHub Actions、Circle CI、Airflow或类似工具构建CI/CD流水线编排
• 数据科学模型审查，运行代码重构和优化，容器化，部署，版本控制和质量监控
• 数据科学模型测试，验证和测试自动化
• 与数据科学家、数据工程师和架构师团队沟通，记录流程
• 基础设施设置：设计和部署适用于机器学习工作负载的AWS基础设施组件，如EC2实例、S3存储桶、VPC和网络配置。
• 自动化模型部署：使用AWS服务（如SageMaker、AWS Lambda和AWS Batch）开发模型训练、评估和部署的自动化流程。
• 使用AWS Personalization进行推荐和内容优化。创建和管理批量推断作业，根据来自Amazon S3的输入数据为用户提供批量项目推荐。
• 监控和优化：实施监控解决方案，跟踪模型性能、资源利用率和整体系统健康状况。使用AWS CloudWatch、AWS X-Ray或自定义监控工具。
• 安全和合规性：根据AWS最佳实践和行业标准，通过实施加密、访问控制和合规措施，确保数据和模型的安全性。 
悉尼