Senior MLOps Engineer (AWS & GenAI)
⚲ Warszawa
26 880 - 30 240 PLN netto (B2B)
Wymagania
- praktyczne doświadczenie w obsłudze platform ML i wsparciu workloadów GenAI z użyciem AWS SageMaker, AWS Bedrock i MLflow (lub podobnych)
- mocne doświadczenie w inżynierii chmurowej z AWS (S3, Lambda, EC2, IAM, VPC) oraz IaC przez AWS CDK, Terraform lub CloudFormation
- biegłość w konteneryzacji aplikacji z Docker/Kubernetes (EKS/ECS) oraz budowie pipeline'ów CI/CD z GitHub Actions lub Jenkins
- solidne umiejętności kodowania w Pythonie i znajomość pełnego cyklu życia Machine Learning
- dogłębne zrozumienie sieci, governance chmurowego i współpracy w zespołach cross-funkcyjnych
Opis stanowiska
Rola w SNI (jako partner outsourcingowy) przy projektach dla międzynarodowych klientów. Będziesz projektować i utrzymywać cloud-native platformy ML na AWS (SageMaker, Bedrock, ECS/EKS, Lambda) oraz budować i automatyzować pipeline'y MLOps z użyciem SageMaker Pipelines, MLflow i narzędzi CI/CD. To oferta dla seniora MLOps, który samodzielnie zaprojektuje i utrzyma platformę, zadba o konteneryzację i bezpieczeństwo chmurowe, i będzie wspierał zespoły inżynierskie, platformowe i produktowe.
🔍 Dekoder Ogłoszenia
🔴
SNI is serving as a trusted IT Outsourcing partner in line with the needs of World's most prestigious firms and carried out successful projects worldwide.
Firma jest pośrednikiem w zatrudnieniu, a "prestiżowe firmy" mogą oznaczać zarówno znane marki, jak i mniej znane, ale wymagające projekty.
🔴
Design and maintain cloud-native ML platforms using AWS services (SageMaker, Bedrock, ECS/EKS, Lambda) and Infrastructure as Code (AWS CDK, Terraform, CloudFormation).
Oczekuje się samodzielnego projektowania i utrzymania platform, co może oznaczać dużą odpowiedzialność i brak wsparcia ze strony starszych inżynierów.
🟡
Apply cloud security, networking (VPC/IAM), and operational best practices across distributed engineering, platform, and product teams.
Wymaga to nie tylko wiedzy technicznej, ale także umiejętności komunikacyjnych i koordynacyjnych w pracy z wieloma zespołami.
🟡
Solid coding skills in Python and a firm grasp of the end-to-end Machine Learning lifecycle.
Połączenie głębokiej wiedzy o cyklu życia ML z umiejętnościami programistycznymi może oznaczać, że będziesz musiał zarówno budować modele, jak i wdrażać je na produkcję.
🟡
Deep understanding of networking, cloud governance, and cross-functional team collaboration.
Wymaga to szerokiej wiedzy wykraczającej poza samo MLOps, obejmującej aspekty bezpieczeństwa, zarządzania chmurą i współpracy z różnymi działami.