Back End Engineer

Memahami arsitektur besar platform AI serta alur masuknya data hasil pengujian model dari klien. Fokus utama terletak pada penerapan protokol autentikasi dan otorisasi yang ketat untuk memastikan data pengujian yang sensitif tersimpan dengan aman sejak awal

Mengembangkan endpoint API dan webhook yang andal untuk menerima metrik serta log hasil pengujian dari berbagai framework AI. Sistem dirancang agar mampu menangani penyerapan data secara real-time maupun komputasi berbasis batch tanpa hambatan.

Membangun sistem pemrosesan berbasis antrean (message broker) untuk memvalidasi skema data dan membersihkan hasil pengujian model AI sebelum disimpan. Tahap ini memastikan seluruh data yang masuk terstandardisasi dan siap dikonsumsi oleh modul analisis platform.

Merancang dan mengonfigurasi basis data yang optimal untuk menyimpan log pengujian, metrik performa model, dan artefak besar lainnya. Fokus diarahkan pada manajemen penyimpanan yang efisien, strategi pencadangan data otomatis, dan replikasi untuk menjamin ketersediaan tinggi.

Mengimplementasikan alat pemantauan dan log terpusat untuk mengawasi kesehatan infrastruktur back-end secara berkelanjutan. Langkah ini mencakup penyusunan sistem peringatan dini guna mendeteksi kegagalan pipeline atau anomali performa secara cepat sebelum berdampak pada operasional.

Melakukan finetuning pada seluruh komponen pipeline untuk mengurangi latensi pemrosesan data hasil pengujian. Kegiatan diakhiri dengan penyusunan dokumentasi teknis yang komprehensif serta prosedur pemulihan bencana guna mendukung operasional jangka panjang platform secara mandiri.