Poszukujemy doświadczonej osoby na stanowisko MLOps Engineer, która będzie odpowiedzialna za projektowanie, wdrażanie i utrzymanie procesów wspierających rozwój oraz działanie modeli uczenia maszynowego w środowiskach produkcyjnych.
Na tym stanowisku będziesz współpracować z zespołami Data Science, Data Engineering, Software Engineering oraz IT, dbając o automatyzację cyklu życia modeli, stabilność infrastruktury i efektywne dostarczanie rozwiązań opartych na sztucznej inteligencji.
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.
Wymagania:
Min. 3 letnie doświadczenie 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.
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.
Znajomość Terraform, Helm, Airflow lub podobnych narzędzi.
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.
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.
Stabilne zatrudnienie i konkurencyjne wynagrodzenie.