MLOps Engineer
⚲ Warsaw
23 520 - 27 720 PLN (B2B)
Wymagania
- AWS
- Machine Learning
- MLOps
- Python
- AWS SageMaker
- TensorFlow
- MLflow
- GitLab
Opis stanowiska
O projekcie:
Szukamy dwóch doświadczonych inżynierów, którzy dołączą do zespołu rozwijającego globalnie wdrożony system rekomendacyjny. System już dziś generuje istotną wartość biznesową w wielu krajach, a teraz wchodzimy w etap jego dalszej ewolucji i profesjonalizacji w obszarze MLOps i skalowania.
To rola dla osób, które chcą realnie wpływać na architekturę produkcyjnych systemów ML i współtworzyć standardy pracy dla zespołów data science i ML engineerin
Wymagania:
około 5+ lat doświadczenia w roli Machine Learning Engineer / MLOps Engineer / ML EngineerBardzo dobra znajomość Pythona i ekosystemu data scienceDoświadczenie w budowie i wdrażaniu modeli ML do produkcjiPraktyczne doświadczenie z AWS SageMakerZnajomość co najmniej jednego frameworka deep learning (TensorFlow lub PyTorch)Doświadczenie w MLOps: MLflow (tracking, model registry)Doświadczenie w CI/CD (GitLab)Umiejętność projektowania i opisywania architektury systemów MLDoświadczenie w pracy z systemami chmurowymi (preferowany AWS)
Codzienne zadania:
- Projektowanie i rozwój architektury produkcyjnego systemu rekomendacyjnego
- Budowa i rozwój standardów MLOps w organizacji
- Tworzenie i optymalizacja pipeline’ów CI/CD w GitLab
- Implementacja i rozwój procesu MLflow (tracking eksperymentów, wersjonowanie modeli)
- Wdrażanie modeli ML do produkcji na AWS SageMaker
- Współpraca z Data Scientistami w zakresie produkcjonalizacji modeli
- Budowa rozwiązań zapewniających monitoring, obserwowalność i niezawodność modeli
- Aktywne programowanie w Pythonie (data/ML infrastructure, deployment, pipelines)
- Mentoring i wsparcie techniczne dla Data Scientistów i inżynierów
- Współpraca z Product Ownerami i stakeholderami biznesowymi
Szukamy dwóch doświadczonych inżynierów, którzy dołączą do zespołu rozwijającego globalnie wdrożony system rekomendacyjny. System już dziś generuje istotną wartość biznesową w wielu krajach, a teraz wchodzimy w etap jego dalszej ewolucji i profesjonalizacji w obszarze MLOps i skalowania.
To rola dla osób, które chcą realnie wpływać na architekturę produkcyjnych systemów ML i współtworzyć standardy pracy dla zespołów data science i ML engineerin
Wymagania:
około 5+ lat doświadczenia w roli Machine Learning Engineer / MLOps Engineer / ML EngineerBardzo dobra znajomość Pythona i ekosystemu data scienceDoświadczenie w budowie i wdrażaniu modeli ML do produkcjiPraktyczne doświadczenie z AWS SageMakerZnajomość co najmniej jednego frameworka deep learning (TensorFlow lub PyTorch)Doświadczenie w MLOps: MLflow (tracking, model registry)Doświadczenie w CI/CD (GitLab)Umiejętność projektowania i opisywania architektury systemów MLDoświadczenie w pracy z systemami chmurowymi (preferowany AWS)
Codzienne zadania:
- Projektowanie i rozwój architektury produkcyjnego systemu rekomendacyjnego
- Budowa i rozwój standardów MLOps w organizacji
- Tworzenie i optymalizacja pipeline’ów CI/CD w GitLab
- Implementacja i rozwój procesu MLflow (tracking eksperymentów, wersjonowanie modeli)
- Wdrażanie modeli ML do produkcji na AWS SageMaker
- Współpraca z Data Scientistami w zakresie produkcjonalizacji modeli
- Budowa rozwiązań zapewniających monitoring, obserwowalność i niezawodność modeli
- Aktywne programowanie w Pythonie (data/ML infrastructure, deployment, pipelines)
- Mentoring i wsparcie techniczne dla Data Scientistów i inżynierów
- Współpraca z Product Ownerami i stakeholderami biznesowymi
🔍 Dekoder Ogłoszenia
🔴
realnie wpływać na architekturę produkcyjnych systemów ML i współtworzyć standardy pracy dla zespołów data science i ML engineerin
Oznacza to, że będziesz miał duży wpływ na kształtowanie procesów i narzędzi, ale może też wiązać się z koniecznością przekonywania innych i budowania konsensusu.
🔴
około 5+ lat doświadczenia
Choć podano widełki, często firmy szukają kandydatów z górnej granicy lub nawet więcej, a 'około' może być elastyczne w obie strony.
🟡
system już dziś generuje istotną wartość biznesową
System jest w produkcji i działa, co oznacza, że wszelkie zmiany muszą być wprowadzane ostrożnie i z uwzględnieniem stabilności.
🔴
wchodzimy w etap jego dalszej ewolucji i profesjonalizacji w obszarze MLOps i skalowania
Projekt jest w trakcie rozwoju, co może oznaczać zarówno ekscytujące wyzwania, jak i potencjalną niepewność związaną z nowymi rozwiązaniami.
🔴
Współpraca z Data Scientistami w zakresie produkcjonalizacji modeli
Może oznaczać, że będziesz musiał tłumaczyć skomplikowane koncepcje techniczne i pomagać w dostosowaniu modeli do wymagań produkcyjnych, co bywa czasochłonne.