רינה לוי
MLOps-מהנדס
rinalevi@gmail.com · +972-50-1234567
תל אביב
ישראל
LinkedIn: linkedin.com/in/rinalo
translate.sections.summary
רינה לוי היא מהנדסת MLOps עם ניסיון של מעל לשמונה שנים בפיתוח תשתיות אוטומטיות לניהול מחזור חיי למודלים במערכת מבוססת ענן. היא משלבת ידע רב בתחום אוטומציה, ביג דאטה, ובינה מלאכותית ליצירת תהליכים חלקים ויעילים. במהלך השנים, היא עזרה לארגונים לייעל את תהליכי הדאטה שלהן, להפחית תוך חודשים בודדים את זמני הפיתוח של הדגימות. שואפת להוביל פרויקטים מורכבים ולהביא חדשנות ליישום בינה מלאכותית בארגונים טכנולוגיים מובילים.
translate.sections.experience
מהנדסת MLOps בכירה, חברת הייטק גלובלית
הובלת פרויקטים של מיכון תהליכי פיתוח ולמידת מכונה, אופשור בעיות תפעוליות, והבטחת זמינות גבוהה של מודלים בסביבת הייצור.
• הקטנת זמני שחרור של מודלים ב-30% באמצעות אוטומציה ושיפורים בכלי הפיתוח.
• הקמת תשתית CI/CD לגיידות תהליך הפעלה של למידת מכונה, שהביאה לעלייה של 25% באקראיות הפרויקטים.
• שיפורי אבטחת מידע ותפעול, שהבטיחו תו תקן ISO ובקרה יומיות לדרישות רגולציה.
מומחי MLOps ומדען נתונים, חברת ייעוץ טכנולוגי
עיצבה פתרונות שדרוג תשתיות ומערכות לניהול מודלים, תוך שיפור יעילות והתייעלות עסקית ללקוחות מגוונים.
• שדרוג תשתיות לשרת שיקולים גדולים, שהוביל לחיסכון של מעל ל-2 מיליון ש״ח בשנה.
• הטמעת כלי ניתוח ביצועים שמאפשרים נהלי ניטור ודיווח בזמן אמת, שפירקו בעיות קריטיות בתוך ימים ספורים.
• העשרת צוות הפיתוח ב-5 עובדים, תוך פיתוח מתודולוגיות עבודה שנמצאות כיום בשימוש שוטף.
מהנדסת MLOps מודולורית, חברת סטארטאפ בתחום AI
פיתחה וממשקה כלי ניהול אוטומציה למודלים, שפרצו את היעילות הפנימית והביאו לגדילה מהירה של החברה.
• הגברת פרודוקטיביות הפיתוח ב-40% באמצעות שדרוג תהליכי עבודה ודרכי בדיקות.
• הקמת אחסון וגישות חסרת תקלות לנתוני אימון ומודלים בסביבות פיתוח וייצור.
• הטמעת אסטרטגיות אבטחת מידע בתהליכי פיתוח והעברת הידע לצוות כולו, שניצל את הכלים באופן עצמאי.
translate.sections.education
תואר ראשון במדעי המחשב — האוניברסיטה העברית בירושלים
מדעי המחשב
סיימה בהצטיינות, עם דגש על אינטליגנציה מלאכותית ובינה מלאכותית, כולל פרויקטי גמר בעומק מודלים ובינה מלאכותית.
translate.sections.skills
כלי פיתוח DevOps: Docker, Kubernetes, Terraform, Jenkins, GitLab CI/CD
טכנולוגיות למידת מכונה וביג דאטה: Apache Spark, TensorFlow, PyTorch, MLflow, Hadoop
שירותי ענן וכלים ניהוליים: AWS, Azure, Google Cloud Platform, Terraform, CloudFormation
כלי תיכנות ו scripting: Python, Bash, SQL, Go
מיומנויות רכות וטכניות: ניהול פרויקטים, הובלת צוותים, אסטרטגיה תפעולית, פתרון בעיות מורכבות
translate.sections.languages
עברית (native)
אנגלית (fluent)
ערבית (intermediate)
מה עושה מהנדסת MLOps וחשיבות התפקיד
מהנדסת MLOps אחראית על בניית תשתיות אוטומטיות לניהול מחזור חיי המודלים של למידת מכונה, מהפיתוח ועד ליישום בייצור. תפקיד זה משלב תכנות, תפעול, ועוד, ליצירת סביבות עבודה חלקות ויעילות. בתפקיד זה, מובילים הקמה של תהליכי אוטומציה, ניטור ביצועי המודלים, ותחזוקה שוטפת כדי להבטיח זמינות, אבטחה וזמני תגובה מהירים.
- יצירת תשתיות CI/CD לניהול תהליכי שחרור והטמעת מודלים במהירות וביעילות.
- בניית מערכות ניטור ייעודיות לגילוי תקלות וסטיות בהבעת תוצאות המודלים.
- שדרוג תשתיות ענן והתאמת אוטומציה לדרישות פרטיות וביטחון.
- בנייה וניהול של פרויקטים חוצי צוותים הכוללים נתוני אימון, בדיקות ופריסה אוטומטית.
- הובלת תהליכי היצירה והתחזוקה של מודלים בפרויקטים בהיקף רב ומורכב.
המפתחות הקריטיים להצלחה בתפקיד מהנדסת MLOps
כדי להצליח כ-MLOps Engineer, חשוב לפתח ולשפר כישורים טכנולוגיים ומיומנויות ניהול. הטכנולוגיות בהן משתמשים הן מגוונות, ונדרשת הבנה מעמיקה של תהליכי פיתוח, תאימות, ואבטחת מידע. להלן סקירה של הכישורים הקריטיים שאותם חשוב לפתח ולהבליט בקורות החיים.
- אוטומציה ופיקוח על תהליכי פיתוח עם כלי DevOps ופלטפורמות ענן.
- ניהול ותחזוקת תשתיות ללמידת מכונה בסביבות ענן פרטיות וציבוריות.
- כתיבת סקריפטים אוטומטיים לייעול תהליכי הרחבה, עדכון ובדיקות.
- בניית מגדלים לסביבות סימולציה ופריסה של מודלים בייצור.
- הבנה מעמיקה של פיתוח תוכנה, תפעול מערכות ומדעי הנתונים.
נתוני שוק המשרות ל-MLOps בישראל ובעולם
תחום ה-MLOps ממצב את עצמו כאחד החזקים והמבוקשים בעולם הטכנולוגיה. בשוק הישראלי, הביקוש למומחי MLOps נמצא בצמיחה משמעותית, במיוחד בחברות רב לאומיות וסטארטאפים מובילים. בחו״ל, השכר הממוצע למומחי MLOps מגיע לעשרות אלפי דולרים בחודש, עם עלייה שנתית של כ-20% בביקוש.
שכר ממוצע בישראל עבור מהנדסת MLOps: כ-30,000 ש״ח לחודש.
ביקוש לעובדים בתחום בשנה האחרונה עלה ב-50%.
זמן ההגעה למשרה חדשה בממוצע עומד על 2-3 חודשים.
חברות ישראליות משקיעות כ-150 מיליון ₪ בשנה במחקר ופיתוח ב-MLOps.
דוגמאות להישגים מרכזיים של מהנדסת MLOps
להלן דוגמאות מוכחות ליכולת לשפר תהליכים ולהביא תוצאות מדידות. הצלחות אלה משקפות את הערך שתוכלי להביא אל כל ארגון בשלב ההצעה או חיפוש העבודה.
- הקטנת זמני הפיתוח של מודלים ב-30% באמצעות שדרוג תשתיות ואוטומציה מלאה.
- הקמת מערכת ניטור שתגלות תקלות ב-98% מהמקרים, בטרם יגיעו ללקוחות.
- שדרוג תשתיות ה-AWS של החברה שהקטינו עמידות השרתים ב-40%, עם שדרוג אבטחה והחלפת מערכות ישנות.
- בניית מערכת דשבורד לסטאטיסטיקות ביצועי מודלים, שעזר למנהלים לקבל החלטות מושכלות.
״היכולת לשלב טכנולוגיות ענן, למידת מכונה, ואוטומציה תוך מיקוד בתוצאות עסקיות היא מחויבות להצלחה של מהנדסת ה-MLOpsיות שלנו.״
השכלה, תעודות והסמכות רלוונטיות
המשיכה להשכלה אקדמית והסמכות מקצועיות תורמות להעמקת הידע ולבניית קריירה מצליחה בתחום ה-MLOps. קורות החיים חייבות להדגיש תעודות שהן הערך המוסף שלך, במיוחד רלוונטיות לתחום הטכנולוגי.
פרויקטים בעולם ה- MLOps וכיצד להציג אותם ברזומה
הצגת פרויקטים יכולה להקנות ראייה מקיפה לכישורים שלך ולסייע למנהלי גיוס להתרשם מפוטנציאליך הטכנולוגי והניהולי. חשוב לתאר את הפרויקטים באופן שיצריך להפגין הבנה, התמודדות עם אתגרים, וכמות התוצאות שהושגו.
- פיתוח תשתית CI/CD אוטומטית לניהול שחרור מודלים בסביבת ענן, שהפחיתה טעויות ב-50%.
- בניית ממשק ניהול מרכזי למחקר ופיתוח של מודלים, ששיפר תפקוד הצוות והצלחה בפרויקטים.
- הטמעת תהליך ניטור ותחזוקה אוטומטי של מודלים המבטיח עמידות של עד 99.9% בשירותים קריטיים.
טעויות נפוצות בכתיבת קורות חיים ל-MLOps ומה להימנע ממנו
כתיבת קורות חיים שלא מתאימים לדרישות היא אחת הטעויות הנפוצות. שימוש מופרז במונחים טכנולוגיים, או הוספת מידע שאינו רלוונטי, עלול לפגוע באפקטיביות. שימי לב לשמור על קוהרנטיות, לפרט תוצאות ומספרים רלוונטיים, ולהימנע מחזרה מיותרת של מילות מפתח.
טיפים לכתיבת פרופיל מקצועי בווידוא שהקורות חיים משקפים בדיוק את הכישורים והניסיון שלך
במהלך כתיבת קורות החיים, ביקורתי ומיומנת לבחור את הפרטים החשובים ביותר, תוך מיקוד במספר הישגים שהכי מייצגים את הערך שלך. יש להדגיש מיומנויות טכנולוגיות לצד כישורי ניהול, ולהציג סדר כרונולוגי ברור ואטרקטיבי.
מה חשוב לכלול במילות מפתח כדי לעבור את מערכות סינון אוטומטיות ומנועי חיפוש ארגוניים
מילות מפתח חיוניות להסרת החסמים הראשוניים במיון קורות חיים. כדאי לכלול מונחים כמו 'תשתיות DevOps', 'ניהול פרויקטים ML', 'ענן פרטי וציבורי', 'אוטומציה של תהליכי פיתוח', 'ניטור ביצועי לומדים', ו'בקרה ואבטחת מידע'. בנוסף, אל תפספס מונחים טכניים רלוונטיים לכל משרה ספציפית שבה תתמודדי.
לדוגמה, אם העבודה דורשת ידע ב-AWS ו-MLflow, וודאי לשלב מונחים אלה בטקסט באופן טבעי וממוקד.
התאמה אישית של הקורות חיים למשרה ספציפית והגשת מועמדות באמצעות הפלטפורמה שלנו
כדי לייעל את תהליך ההגשה, יש להקפיד על עדכון הקורות החיים בהתאם לדרישות הבלעדיות בכל משרה. העלה את קובץ הקורות חיים שלך ואת תיאור המשרה לפלטפורמה שלנו כדי לקבל ייעוץ מותאם והכוונה לכתיבה אופטימלית של קורות החיים, שתענה בדיוק על דרישות המעסיק.