Mid/Senior MLOps Engineer (GCP / Azure / Kubernetes) 100% Remote
⚲ Warszawa
20 000 - 30 000 PLN netto (B2B)
Wymagania
- min. 3 lata doświadczenia komercyjnego w MLOps, ML Engineering, DevOps, Data Engineering, cloud lub backend, w tym praca z produkcyjnymi workloadami ML
- doświadczenie z Azure lub Google Cloud
- język angielski na poziomie B2+ oraz komunikatywny polski
Mile widziane
- doświadczenie z Vertex AI, Azure Machine Learning, Databricks lub Snowflake
- znajomość MLflow, Kubeflow lub podobnych platform
- doświadczenie z Airflow, Prefect lub Dagster
- doświadczenie z Infrastructure-as-Code (Terraform lub Bicep)
- doświadczenie z Helm i automatyzacją deploymentu na Kubernetes
Opis stanowiska
Datumo to firma danych i chmury pracująca dla dużych klientów enterprise (Żabka, G2A, LPP), jeden z 10 Google Cloud Managed Partners w Polsce. Będziesz rozwijać systemy MLOps wspierające realne platformy chmurowe i danych — wdrażanie modeli do produkcji, automatyzację deploymentu, monitoring środowisk model-serving oraz pracę z Kubernetes w chmurze. To dobra oferta dla inżyniera, który ma już doświadczenie produkcyjne z ML i chce pracować w środowisku enterprise z GCP/Azure. Uwaga: wymóg '3+ lata w MLOps, ML Engineering, DevOps, Data Engineering, cloud lub backend' jest bardzo szeroki — firma może szukać kogoś z doświadczeniem w jednej z tych dziedzin, a nie we wszystkich, więc warto dopytać, jakiego profilu faktycznie potrzebują.
🔍 Dekoder Ogłoszenia
🔴
practical AI solutions
Może oznaczać zarówno zaawansowane wdrożenia AI, jak i proste automatyzacje wykorzystujące gotowe narzędzia.
🔴
turning model experiments into production-ready services
Może oznaczać zarówno pełne cykle wdrażania modeli, jak i jedynie pomoc w przygotowaniu kodu do wdrożenia.
🔴
improving reliability, scalability and maintainability of MLOps platforms
Może oznaczać zarówno strategiczne usprawnienia architektury, jak i drobne poprawki w istniejących skryptach.
🔴
3+ years of commercial experience in MLOps, ML Engineering, DevOps, Data Engineering, cloud or backend engineering, including production ML workloads
Szeroki zakres doświadczeń może oznaczać, że firma szuka kogoś z doświadczeniem w jednej z tych dziedzin, a niekoniecznie we wszystkich.