Ekspert/ka Inżynier/ka MLOps

Nasze wymagania: Wykształcenie wyższe w dziedzinie informatyki, matematyki, inżynierii oprogramowania lub pokrewnej; Minimum 2 lata doświadczenia w obszarze MLOps lub DevOps.; Biegła znajomość języków programowania takich jak Python, Java, Scala lub C++; Doświadczenie z narzędziami do zarządzania modelem uczenia maszynowego (MLFlow, Kubeflow, TensorBoard); Znajomość konteneryzacji (Docker) oraz systemów orkiestracji kontenerów (Kubernetes); Umiejętność pracy z narzędziami CI/CD (np. Jenkins, GitHub Actions, GitLab CI/CD); Znajomość przynajmniej jednego z głównych frameworków do trenowania modeli LLM (np. PyTorch, TensorFlow, Hugging Face Transformers); Doświadczenie w zarządzaniu środowiskami w chmurze (AWS, Azure, Google Cloud); Znajomość technologii big data (np. Apache Spark, Hadoop); Umiejętność pracy z bazami danych NoSQL i SQL; Dobra organizacja pracy oraz zdolność do prowadzenia dokumentacji technicznej; Umiejętność współpracy z interdyscyplinarnym zespołem badawczym; Znajomość języka angielskiego w mowie i piśmie co najmniej na poziomie B2. Mile widziane: Doświadczenie w pracy z modelami językowymi LLM (np. BERT, GPT, T5); Wiedza na temat fine-tuningu oraz transfer learningu w kontekście modeli językowych; Doświadczenie z narzędziami i procesami do optymalizacji modeli (pruning, quantization, distillation); Doświadczenie z systemami monitorowania i logowania (Prometheus, Grafana, ELK Stack); Wiedza na temat zarządzania dużymi zbiorami danych tekstowych (np. pre-processing, ETL); Doświadczenie w treningu modeli na rozproszonych systemach, np. za pomocą PyTorch Distributed Data Parallel (DDP) lub DeepSpeed; Doświadczenie w integracji modeli ML z API; Znajomość narzędzi takich jak ONNX, TensorRT, czy Hugging Face Accelerate do przyspieszania treningu, fine-tuningu i inferencji modeli. Zakres obowiązków: Automatyzacja powtarzalnych zadań w całym cyklu życia modeli AI; Tworzenie i zarządzanie data pipeline; Testy, wdrażanie i monoring modeli AI; Monitorowanie zmian wprowadzonych w danych i modelach AI; Projektowanie i wdrażanie CI/CD; Współpraca z inżynierami uczenia maszynowego i programistami.