ML Engineer / MLOPS
⚲ Warszawa, Śródmieście
130–150 zł netto (+ VAT) / godz.
Wymagania
- AWS
- MLflow
- GitLab
- TensorFlow
- PyTorch
- Prometheus
- Grafana
- Evidently AI
Opis stanowiska
Nasze wymagania:
Minimum 5 lat doświadczenia na stanowisku Machine Learning Engineer lub pokrewnym.
Bardzo dobra znajomość języka Python oraz ekosystemu Data Science.
Doświadczenie w projektowaniu, budowie oraz utrzymaniu produkcyjnych systemów Machine Learning.
Praktyczne doświadczenie z AWS SageMaker (must-have).
Znajomość MLOps oraz narzędzi: MLflow, GitLab CI/CD.
Doświadczenie z frameworkami Deep Learning (TensorFlow i/lub PyTorch).
Doświadczenie w projektowaniu architektury rozwiązań ML oraz pipeline'ów danych.
Znajomość środowiska chmurowego AWS.
Angielski (min B2/C1)
Mile widziane:
Doświadczenie z narzędziami do monitorowania modeli ML, takimi jak: Prometheus, Grafana, Evidently AI.
Doświadczenie w projektowaniu obserwowalności (observability) systemów Machine Learning.
Wykształcenie wyższe z zakresu Sztucznej Inteligencji, Machine Learning lub pokrewnych kierunków.
O projekcie:
Poszukujemy osoby na stanowisko ML Engineer/MLOPS (m/k). Praca jest dedykowana dla międzynarodowej firmy farmaceutycznej.
Osoba na tym stanowisku będzie odpowiedzialna za rozwój oraz architekturę produkcyjnego systemu rekomendacyjnego wykorzystywanego przez zespoły biznesowe na wielu rynkach. Rola łączy zaawansowane kompetencje z zakresu Machine Learning Engineering, MLOps oraz architektury rozwiązań chmurowych z aktywnym mentoringiem zespołów Data Science.
Zakres obowiązków:
Rozwój i projektowanie architektury produkcyjnego systemu rekomendacyjnego.
Projektowanie oraz rozwój skalowalnych pipeline'ów Machine Learning.
Budowa i rozwój procesów MLOps z wykorzystaniem GitLab CI/CD oraz MLflow.
Wdrażanie modeli Machine Learning do środowiska produkcyjnego z wykorzystaniem AWS SageMaker.
Tworzenie i rozwój infrastruktury ML zapewniającej wysoką dostępność, skalowalność oraz niezawodność.
Współpraca z Data Scientistami w zakresie produkcyjnego wdrażania modeli oraz optymalizacji procesów ML.
Definiowanie standardów inżynierskich oraz najlepszych praktyk dotyczących budowy systemów Machine Learning.
Mentoring oraz wsparcie techniczne dla Data Scientistów, Data Engineerów oraz MLOps Engineerów.
Tworzenie wysokiej jakości kodu w języku Python zgodnie z dobrymi praktykami inżynierii oprogramowania.
Współpraca z Product Managerami oraz interesariuszami biznesowymi przy przekładaniu wymagań biznesowych na rozwiązania techniczne.
Identyfikowanie oraz wdrażanie nowych technologii zwiększających efektywność platform Machine Learning.
Oferujemy:
100% pracy zdalnej
Kontrakt B2B
Stawka: (130 - 150) pln/h + VAT
Minimum 5 lat doświadczenia na stanowisku Machine Learning Engineer lub pokrewnym.
Bardzo dobra znajomość języka Python oraz ekosystemu Data Science.
Doświadczenie w projektowaniu, budowie oraz utrzymaniu produkcyjnych systemów Machine Learning.
Praktyczne doświadczenie z AWS SageMaker (must-have).
Znajomość MLOps oraz narzędzi: MLflow, GitLab CI/CD.
Doświadczenie z frameworkami Deep Learning (TensorFlow i/lub PyTorch).
Doświadczenie w projektowaniu architektury rozwiązań ML oraz pipeline'ów danych.
Znajomość środowiska chmurowego AWS.
Angielski (min B2/C1)
Mile widziane:
Doświadczenie z narzędziami do monitorowania modeli ML, takimi jak: Prometheus, Grafana, Evidently AI.
Doświadczenie w projektowaniu obserwowalności (observability) systemów Machine Learning.
Wykształcenie wyższe z zakresu Sztucznej Inteligencji, Machine Learning lub pokrewnych kierunków.
O projekcie:
Poszukujemy osoby na stanowisko ML Engineer/MLOPS (m/k). Praca jest dedykowana dla międzynarodowej firmy farmaceutycznej.
Osoba na tym stanowisku będzie odpowiedzialna za rozwój oraz architekturę produkcyjnego systemu rekomendacyjnego wykorzystywanego przez zespoły biznesowe na wielu rynkach. Rola łączy zaawansowane kompetencje z zakresu Machine Learning Engineering, MLOps oraz architektury rozwiązań chmurowych z aktywnym mentoringiem zespołów Data Science.
Zakres obowiązków:
Rozwój i projektowanie architektury produkcyjnego systemu rekomendacyjnego.
Projektowanie oraz rozwój skalowalnych pipeline'ów Machine Learning.
Budowa i rozwój procesów MLOps z wykorzystaniem GitLab CI/CD oraz MLflow.
Wdrażanie modeli Machine Learning do środowiska produkcyjnego z wykorzystaniem AWS SageMaker.
Tworzenie i rozwój infrastruktury ML zapewniającej wysoką dostępność, skalowalność oraz niezawodność.
Współpraca z Data Scientistami w zakresie produkcyjnego wdrażania modeli oraz optymalizacji procesów ML.
Definiowanie standardów inżynierskich oraz najlepszych praktyk dotyczących budowy systemów Machine Learning.
Mentoring oraz wsparcie techniczne dla Data Scientistów, Data Engineerów oraz MLOps Engineerów.
Tworzenie wysokiej jakości kodu w języku Python zgodnie z dobrymi praktykami inżynierii oprogramowania.
Współpraca z Product Managerami oraz interesariuszami biznesowymi przy przekładaniu wymagań biznesowych na rozwiązania techniczne.
Identyfikowanie oraz wdrażanie nowych technologii zwiększających efektywność platform Machine Learning.
Oferujemy:
100% pracy zdalnej
Kontrakt B2B
Stawka: (130 - 150) pln/h + VAT
🔍 Dekoder Ogłoszenia
🔴
aktywnym mentoringiem zespołów Data Science
Może oznaczać zarówno wsparcie merytoryczne i dzielenie się wiedzą, jak i zarządzanie ludźmi, w tym rozwiązywanie konfliktów i ocenianie pracy.
🔴
Rozwój i projektowanie architektury produkcyjnego systemu rekomendacyjnego.
Może oznaczać tworzenie od podstaw nowej architektury lub znaczące modyfikacje istniejącej, co może być bardziej wymagające niż się wydaje.
🟡
Praktyczne doświadczenie z AWS SageMaker (must-have).
Chociaż jest to konkretne wymaganie, może oznaczać zarówno głębokie zrozumienie i samodzielne wykorzystanie, jak i jedynie podstawową znajomość narzędzia.
🔴
Minimum 5 lat doświadczenia na stanowisku Machine Learning Engineer lub pokrewnym.
Określenie 'pokrewnym' może być interpretowane szeroko, potencjalnie obejmując role, które nie są stricte ML Engineeringiem.
🟡
Znajomość MLOps oraz narzędzi: MLflow, GitLab CI/CD.
Wymienione narzędzia są standardem, ale zakres 'znajomości' może być od podstawowej do zaawansowanej, co wpływa na rzeczywiste wymagania.