MLOps Engineer

Nasze wymagania

• Min. 3 lata doświadczenia na stanowisku MLOps Engineer, DevOps Engineer, Machine Learning Engineer lub podobnym.
• Praktyczna znajomość języka Python oraz narzędzi wspierających rozwój oprogramowania.
• Doświadczenie w budowaniu i utrzymywaniu potoków CI/CD.
• Znajomość narzędzi konteneryzacji, takich jak Docker, oraz platform orkiestracji, np. Kubernetes.
• Znajomość jednej z głównych platform chmurowych: AWS, Microsoft Azure lub Google Cloud.
• Znajomość Terraform, Helm, Airflow lub podobnych narzędzi.
• Doświadczenie w pracy z narzędziami do zarządzania eksperymentami i modelami, np. MLflow, Kubeflow lub podobnymi.
• Znajomość systemów kontroli wersji, w szczególności Git.
• Znajomość zagadnień związanych z monitorowaniem, logowaniem i zapewnianiem niezawodności systemów.
• Znajomość baz danych oraz narzędzi do przetwarzania danych będzie dodatkowym atutem.
• Umiejętność analitycznego myślenia, rozwiązywania problemów i pracy zespołowej.
• Dobra znajomość języka angielskiego umożliwiająca pracę z dokumentacją techniczną i komunikację w środowisku międzynarodowym.

Mile widziane

• Doświadczenie w produkcyjnym wdrażaniu modeli uczenia maszynowego.
• Doświadczenie w pracy z systemami GPU i rozwiązaniami wspierającymi trenowanie modeli.
• Znajomość praktyk Data Governance, bezpieczeństwa danych i zgodności regulacyjnej.
• Doświadczenie w implementacji mechanizmów monitorowania driftu danych i modeli.
• Znajomość koncepcji GitOps oraz praktyk SRE.

Twój zakres obowiązków

• Projektowanie i rozwój procesów MLOps oraz infrastruktury wspierającej cykl życia modeli ML.
• Automatyzacja trenowania, testowania, wdrażania i monitorowania modeli.
• Budowa oraz utrzymanie potoków CI/CD dla aplikacji i modeli uczenia maszynowego.
• Wdrażanie rozwiązań do zarządzania wersjami kodu, danych, modeli i eksperymentów.
• Monitorowanie wydajności modeli, jakości predykcji oraz stabilności środowisk produkcyjnych.
• Współpraca z zespołami Data Science i Engineering przy przechodzeniu modeli z etapu eksperymentalnego do produkcyjnego.
• Zarządzanie infrastrukturą chmurową lub lokalną z wykorzystaniem podejścia Infrastructure as Code.
• Dbanie o skalowalność, bezpieczeństwo, niezawodność i optymalizację kosztów rozwiązań ML.
• Tworzenie i aktualizowanie dokumentacji technicznej oraz standardów wdrażania modeli.
• Identyfikowanie i rozwiązywanie problemów związanych z działaniem modeli oraz procesów produkcyjnych.

O projekcie

Tak organizujemy naszą pracę

Podział czasu pracy

• 90%

  hybryda
• 10%

  z biura

To oferujemy

• Udział w rozwoju nowoczesnych rozwiązań wykorzystujących sztuczną inteligencję i uczenie maszynowe.
• Pracę z doświadczonym zespołem specjalistów.
• Możliwość wpływania na wybór technologii i kształtowanie procesów MLOps.
• Dostęp do nowoczesnych narzędzi oraz infrastruktury chmurowej.
• Rozwój zawodowy poprzez udział w ambitnych projektach i szkoleniach.
• Elastyczny model pracy oraz możliwość pracy zdalnej lub hybrydowej.

Benefity

• dofinansowanie zajęć sportowych
• prywatna opieka medyczna
• możliwość pracy zdalnej