Machine Learning Engineer
⚲ Kraków
23 520 - 31 080 PLN netto (B2B)
Wymagania
- 5+ lat praktycznego doświadczenia w machine learning engineering
- mocna biegłość w pisaniu wysokiej jakości kodu w Pythonie
- doświadczenie z orkiestracją (Airflow)
- Terraform na poziomie zaawansowanym
- Docker na poziomie zaawansowanym
- Azure na poziomie zaawansowanym
- GitHub Actions na poziomie zaawansowanym
Mile widziane
- AzureML, Web Apps, AirFlow, Spark, umiejętności dashboardingu/wizualizacji
Opis stanowiska
Praca w VirtusLab przy projekcie optymalizacji cen dla dużego brytyjskiego retailera, we współpracy z zespołem data science klienta. Zajmiesz się wdrażaniem i utrzymaniem produkcyjnych pipeline'ów ML w środowisku hybrydowym (Azure + klastry on-prem), budowaniem pipeline'ów PySpark oraz provisioningiem zasobów chmurowych przez Terraform. Zespół to 5–7 inżynierów w Polsce, pracujący blisko z product managementem i data science klienta. Dobra dla inżyniera ML, który lubi łączyć kod produkcyjny z infrastrukturą i pracą z danymi na dużą skalę.
🔍 Dekoder Ogłoszenia
🟢
craft clean code and practical solutions with precision and purpose
Firma kładzie nacisk na jakość kodu i praktyczne podejście, co może oznaczać rygorystyczne standardy kodowania i procesy code review.
🟢
foster a dynamic culture rooted in strong engineering, a sense of ownership, and transparency
Kultura firmy opiera się na inżynierii, odpowiedzialności i otwartości, co może sugerować samodzielność w działaniu i możliwość wpływania na projekty.
🟢
empowering professionals to make a substantial impact in the software industry
Firma daje pracownikom możliwość znaczącego wpływu na branżę, co może oznaczać pracę nad innowacyjnymi projektami i możliwość rozwoju.
🟢
Driving business innovation with production-ready machine learning pipelines
Celem jest wdrażanie innowacji biznesowych poprzez gotowe do produkcji potoki uczenia maszynowego, co sugeruje praktyczne zastosowanie ML w realnych scenariuszach.
🟡
The cooperation involves deploying and maintaining ML workflows, leveraging Azure for cloud computing and on-prem clusters for ETLs.
Zakres obowiązków obejmuje zarówno wdrażanie, jak i utrzymanie potoków ML, z wykorzystaniem chmury Azure oraz własnych zasobów (on-prem) do przetwarzania danych.