Data Engineer
⚲ Warszawa
20 160 - 25 200 PLN netto (B2B)
Wymagania
- Wykształcenie wyższe (licencjackie lub magisterskie) z informatyki, badań operacyjnych, matematyki, informatyki stosowanej lub pokrewnej dziedziny
- Min. 3-4 lata odpowiedniego doświadczenia zawodowego
- Doświadczenie w pracy z dużymi zbiorami danych pochodzącymi z różnych źródeł
- Bardzo dobra znajomość programowania (preferowany Python)
- Doświadczenie z konteneryzacją (Docker) i orkiestracją kontenerów (Kubernetes)
- Doświadczenie w tworzeniu aplikacji chmurowych (preferowane GCP i Azure)
- Doświadczenie w projektowaniu, budowie i utrzymaniu procesów ETL i pipeline'ów danych (Apache Airflow, Kubeflow lub podobne)
- Praca hybrydowa z Warszawy (2 dni w tygodniu w biurze)
Opis stanowiska
Team Connect szuka Data/ML Engineera dla klienta z branży technologicznej. Będziesz tworzyć production-ready kod, projektować i implementować procesy ETL, automatyzować i orkiestrować procesy DevOps/MLOps w chmurze oraz budować reużywalne narzędzia do monitorowania i optymalizacji rozwiązań ML. Rola wymaga rozumienia wymagań wydajnościowych dla obciążeń ML (GPU/CPU) i pracy z dużymi zbiorami danych. Uwaga: oczekiwany jest kod od razu gotowy do produkcji, co może oznaczać mniej czasu na refaktoryzację i testy, a część pracy to budowanie infrastruktury od zera, nie tylko jej utrzymanie.
🔍 Dekoder Ogłoszenia
🔴
Tworzenie gotowego do wdrożenia kodu (production-ready)
Oczekuje się, że kod będzie od razu gotowy do produkcji, co może oznaczać brak czasu na refaktoryzację czy testy.
🔴
Efektywne wykorzystywanie zasobów GPU i CPU oraz rozumienie wymagań wydajnościowych dla obciążeń związanych z ML.
Może oznaczać, że będziesz musiał optymalizować kod pod kątem bardzo ograniczonych zasobów lub pracować z przestarzałą infrastrukturą.
🔴
Projektowanie, automatyzacja i orkiestracja procesów DevOps/MLOps w środowisku chmurowym.
Może oznaczać, że będziesz odpowiedzialny za budowanie infrastruktury od zera, a nie tylko za jej utrzymanie.
🟡
Prowadzenie wewnętrznych warsztatów i zewnętrznych spotkań branżowych, udział w konferencjach oraz wystąpieniach publicznych.
Oprócz pracy inżynierskiej, będziesz musiał poświęcić czas na aktywności reprezentacyjne i edukacyjne.
🟡
Stałe rozwijanie kompetencji poprzez śledzenie najnowszych trendów w obszarze AI/ML i technologii pokrewnych oraz podnoszenie kwalifikacji w tych dziedzinach.
Oczekuje się, że będziesz samodzielnie zdobywał wiedzę i umiejętności, często poza godzinami pracy.