Pracuj.pl Praca zdalna Mid

MLOps Engineer with Azure

SQUARE ONE RESOURCES sp. z o.o.

⚲ Warszawa, Mokotów

130–140 zł netto (+ VAT) / godz.

Wymagania

  • Machine Learning
  • Python
  • Databricks
  • Git
  • SQL
  • Microsoft Azure

Opis stanowiska

Nasze wymagania:
Doświadczenie w obszarze MLOps / ML Engineering
Bardzo dobra znajomość: Python, Azure, Databricks, SQL, Git
Doświadczenie w produkcyjnym wdrażaniu modeli ML
Znajomość CI/CD oraz praktyk DevOps
Doświadczenie w budowie pipeline’ów ML i data pipelines
Dobra znajomość lifecycle’u projektów data science
Komunikatywny język angielski (min. B2)

Mile widziane:
Streamlit / Dash / Shiny
Snowpark
Konfiguracja zasobów Azure pod rozwiązania data/ML
Doświadczenie mentoringowe
Znajomość Agile / Scrum / Kanban

O projekcie:
Dla naszego klienta z branży FMCG poszukujemy osoby na stanowisko MLOps Engineer, która dołączy do zespołu odpowiedzialnego za rozwój oraz utrzymanie platformy Machine Learning i rozwiązań data science w środowisku chmurowym Azure.

Zakres obowiązków:
Budowa, rozwój i utrzymanie środowiska MLOps w chmurze Azure
Produkcyjne wdrażanie oraz skalowanie modeli ML
Tworzenie i rozwój pipeline’ów ML oraz data pipelines
Współpraca z Data Scientistami, Data Engineerami oraz analitykami
Implementacja CI/CD oraz dobrych praktyk DevOps dla projektów ML
Monitoring, troubleshooting oraz incident management dla pipeline’ów ML
Optymalizacja wydajności i stabilności rozwiązań ML
Standaryzacja procesów związanych z eksperymentami, deploymentem i zarządzaniem modelami
Wsparcie zespołu w zakresie najlepszych praktyk MLOps

Oferujemy:
Praca w pełni zdalna
Zatrudnienie na B2B
Długoterminowa współpraca

🔍 Dekoder Ogłoszenia

🔴
Doświadczenie w produkcyjnym wdrażaniu modeli ML
Może oznaczać zarówno faktyczne wdrożenia na produkcję, jak i jedynie teoretyczną wiedzę lub udział w małych, niekrytycznych projektach.
🔴
Znajomość CI/CD oraz praktyk DevOps
Może oznaczać podstawową wiedzę teoretyczną lub faktyczne doświadczenie w implementacji i utrzymaniu złożonych procesów CI/CD.
🔴
Dobra znajomość lifecycle’u projektów data science
Może oznaczać ogólne pojęcie o etapach projektu, a niekoniecznie praktyczne doświadczenie w zarządzaniu nimi od początku do końca.
🔴
Wsparcie zespołu w zakresie najlepszych praktyk MLOps
Może oznaczać dzielenie się wiedzą, ale też konieczność edukowania zespołu od podstaw w zakresie MLOps.
🟡
Długoterminowa współpraca
Może oznaczać stabilność projektu, ale też potencjalnie brak możliwości rozwoju w kierunku innych technologii lub projektów.