MLOps Engineer
⚲ Warszawa
28 560 - 30 240 PLN (B2B)
Wymagania
- min. 8 lat doświadczenia w obszarze Data Science / Machine Learning
- doświadczenie z silnikami decyzyjnymi
- silne zaplecze statystyczne lub ekonometryczne
- znajomość środowiska Google Cloud Platform (GCP)
- szeroka znajomość różnych frameworków machine learning
- doświadczenie w pracy z danymi i modelami wspierającymi procesy CRM
- doświadczenie w przetwarzaniu danych w środowisku rozproszonym (Spark / PySpark)
- komunikatywny język angielski
Opis stanowiska
Projektowanie i rozwój silnika decyzyjnego dobierającego oferty dla klientów oraz przygotowywanie procesów i danych przetwarzanych w czasie rzeczywistym. Będziesz współpracować z 10-osobowym zespołem Data Science i proponować własne rozwiązania. To rola dla osoby z bardzo długim doświadczeniem w Data Science/ML, silnym zapleczem statystycznym lub ekonometrycznym i znajomością GCP. Uwaga: mimo tytułu 'MLOps Engineer' ogłoszenie kładzie nacisk na analitykę i statystykę, a nie typową inżynierię MLOps — dodatkowo możesz być angażowany w inicjatywy presealsowe i projekty spoza stricte MLOps. Praca hybrydowa — 2 razy w miesiącu w biurze w Warszawie, kontrakt B2B.
🔍 Dekoder Ogłoszenia
🔴
możliwość świadczenia usług w różnorodnych projektach z obszaru Software, Embedded, Data i Cloud Services
Możesz być rzucany na różne projekty, które niekoniecznie są ściśle związane z MLOps, a wymagają szerszego zakresu kompetencji.
🔴
zaangażowanie w dodatkowe inicjatywy presealsowe oraz eksperckie
Oprócz pracy nad projektem, będziesz prawdopodobnie angażowany w procesy sprzedażowe i tworzenie ofert, co może oznaczać dodatkowe obowiązki.
🔴
minimum 8 lat doświadczenia w obszarze Data Science / Machine Learning
Wymagane jest bardzo długie doświadczenie, co może sugerować, że szukają kandydata na stanowisko seniorskie lub eksperckie, a niekoniecznie stricte MLOps.
🔴
silne zaplecze (background) statystyczne lub ekonometryczne
Kładziony jest duży nacisk na teorię i analizę statystyczną, co może oznaczać, że praca będzie bardziej analityczna niż typowo inżynierska w obszarze MLOps.
🟡
doświadczenie w pracy z danymi oraz modelami wspierającymi procesy CRM
Projekt może być mocno skoncentrowany na zastosowaniach biznesowych w obszarze sprzedaży i marketingu, a nie na zaawansowanych zagadnieniach MLOps.