Lead MLOps Engineer – AWS SageMaker
⚲ Remote
30 240 - 40 320 PLN (B2B)
Wymagania
- min. 5 lat doświadczenia w Machine Learning Engineering, MLOps lub pokrewnej roli
- udokumentowane doświadczenie we wdrażaniu, utrzymaniu i operowaniu produkcyjnymi systemami ML
- ekspercki poziom Pythona i znajomość ekosystemu data science
- komercyjne doświadczenie z AWS SageMaker (kluczowy wymóg)
- praktyczne doświadczenie z MLflow (experiment tracking, model management)
- doświadczenie z GitLab CI/CD i budową zautomatyzowanych pipeline'ów ML/CI/CD
- doświadczenie w projektowaniu skalowalnych systemów ML i pipeline'ów danych w chmurze (najlepiej AWS)
- doświadczenie w technical leadership, mentoringu i guidance dla Data Scientists, Data Engineers lub MLOps Engineers
Opis stanowiska
Rola leadowa w zespole rozwijającym globalnie wdrożony system rekomendacji ML. Będziesz odpowiedzialny za fundament MLOps, infrastrukturę ML, procesy wdrożeniowe i ewolucję architektury platformy — łącząc software engineering, ML infrastructure i cloud. To hands-on technical leadership: piszesz kod, projektujesz architekturę i mentorujesz zespoły Data Science, Data Engineering i MLOps. Dla kogoś, kto chce łączyć pracę techniczną z przywództwem w dojrzałym, produkcyjnym środowisku. Uwaga: zakres odpowiedzialności jest bardzo szeroki — od infrastruktury po architekturę i mentoring — co może oznaczać duże obciążenie i brak jasnego podziału zadań.
🔍 Dekoder Ogłoszenia
🔴
take technical ownership of the MLOps foundation, ML infrastructure, deployment processes, and architectural evolution of the platform
Będziesz odpowiedzialny za wszystko związane z MLOps, od infrastruktury po architekturę, co może oznaczać dużą odpowiedzialność i brak jasnego podziału zadań.
🔴
This is a hands-on technical leadership position combining software engineering, machine learning infrastructure, cloud technologies, and MLOps.
Oczekuje się, że będziesz zarówno liderem technicznym, jak i będziesz aktywnie pracować przy kodzie i infrastrukturze, co może oznaczać bardzo dużo pracy.
🔴
providing technical guidance and mentoring to the wider engineering and data teams
Poza własnymi obowiązkami, będziesz musiał poświęcać czas na wsparcie i edukację innych zespołów, co może dodatkowo obciążyć Twój harmonogram.
🟡
globally deployed machine learning recommender system
System jest już w produkcji i działa na dużą skalę, co oznacza, że problemy mogą mieć szeroki zasięg i wymagać szybkiego reagowania.
🟡
already delivering significant business value
Projekt jest kluczowy dla firmy i ma realny wpływ na biznes, co może oznaczać presję na wyniki i ciągłe dostarczanie wartości.