MLOps Specialist
⚲ Warszawa
Do uzgodnienia
Wymagania
- wykształcenie wyższe z zakresu data science, ekonometrii, statystyki, matematyki, fizyki lub pokrewnych
- min. 2 lata doświadczenia w obszarze MLOps, Machine Learning lub Data Engineering
- znajomość środowisk chmurowych Azure i ekosystemu Microsoft
- umiejętność programowania w Pythonie
- znajomość Git oraz procesów CI/CD
- styczność z SAS Viya, Azure ML, Databricks, Fabric lub podobnymi platformami analitycznymi
- zrozumienie deploymentu, monitoringu i zarządzania cyklem życia modeli
Opis stanowiska
Praca w zespole MLOps przy budowie silników decyzyjnych i modeli prognostycznych dla wiodącej firmy ubezpieczeniowej w Polsce. Realnie projektujesz i rozwijasz środowiska MLOps na platformach chmurowych (Azure, Fabric, SAS Viya), budujesz procesy CI/CD, automatyzujesz wdrożenia modeli i integrujesz środowiska on-prem z cloudem. To oferta dla osoby z min. 2-letnim doświadczeniem w MLOps, ML lub Data Engineering, która zna Azure i Pythona. Uwaga: stanowisko łączy obowiązki MLOps, Data Scientist i Data Engineer, co może oznaczać brak jasno zdefiniowanego zakresu odpowiedzialności.
🔍 Dekoder Ogłoszenia
🔴
MLOps Specialist / Data Scientist / Data Engineer
Stanowisko może wymagać wykonywania obowiązków z różnych, często rozbieżnych ról, co może oznaczać brak jasno zdefiniowanego zakresu odpowiedzialności.
🟡
Dołącz do zespołu projektowego MLOps, który wspiera budowę silników decyzyjnych i modeli prognostycznych
Praca może polegać głównie na wspieraniu istniejących rozwiązań, a nie na tworzeniu ich od podstaw lub wprowadzaniu innowacji.
🟡
projektowanie i rozwój procesów oraz mechanizmów MLOps na platformie chmurowej
Może oznaczać pracę nad istniejącymi procesami i ich usprawnianiem, a niekoniecznie budowanie ich od zera w nowym środowisku.
🟡
Projektowaniem, budową i rozwojem środowisk MLOps wspierających wdrażanie, automatyzację oraz utrzymanie modeli Machine Learning i silników decyzyjnych
Zakres obowiązków jest szeroki i może obejmować zarówno aspekty budowy, jak i bieżącego utrzymania, co może wymagać elastyczności i wszechstronności.
🟡
Analizą potrzeb rozwojowych platformy oraz projektowaniem i wdrażaniem rozwiązań usprawniających procesy budowy silników decyzyjnych, modeli predykcyjnych oraz integrujących środowiska on-prem z cloud
Może oznaczać, że część pracy będzie polegać na integracji starszych systemów z nowymi technologiami, co bywa złożone i czasochłonne.