Senior Cloud Platform Engineer
DS STREAM
⚲ Warsaw, Kraków, Wrocław, Poznań, Katowice
180 - 180 PLN (B2B)
Wymagania
- Python
- Azure
- Kubernetes (nice to have)
Opis stanowiska
O projekcie: Szukamy doświadczonego Sr. Cloud/Platform Engineera, który zaprojektuje i wdroży produkcyjną warstwę aplikacyjną wokół istniejącego modelu optymalizacyjnego ML. Praca odbywa się w ekosystemie Azure dla naszego globalnego klienta z branży FMCG. O projekcie: Wspólnie z klientem budujemy system do zautomatyzowanej, iteracyjnej optymalizacji zamówień w łańcuchu dostaw. System komunikuje się z dużym partnerem zewnętrznym, wymieniając dane (JSON przez ESB/API) w pętli o wysokiej częstotliwości (dziesiątki/setki iteracji w 1-2 dniowym oknie tygodniowo). Logikę biznesową obsługuje wewnętrzny model ML – Twoim zadaniem będzie zbudowanie wokół niego niezawodnego "opakowania" (data ingestion, caching, wyzwalanie modelu, orkiestracja odpowiedzi API). Projekt jest już w toku (trwa konfiguracja środowisk). Wymagania: Wymagania: - Min. 4–5 lat doświadczenia w komercyjnym programowaniu w Pythonie (FastAPI lub podobne frameworki). - Praktyczna znajomość usług Azure (App Services, Container Apps, Functions, API Management). - Doświadczenie w projektowaniu API o wysokiej przepustowości (wymiana JSON, ładunki danych rzędu 10–15 MB, setki zapytań w krótkich oknach czasowych). - Doświadczenie z integracjami Enterprise Service Bus (ESB) – dwukierunkowa wymiana komunikatów z partnerami zewnętrznymi. - Umiejętność wdrażania wzorców odporności i wysokiej dostępności (High Availability/Resilience): retry policies, autoscaling, health probes, graceful degradation. - Praktyczne podejście do pracy (hands-on) – samodzielne pisanie kodu, konfiguracja i wdrażanie rozwiązań (to nie jest rola wyłącznie doradcza). - Doświadczenie z konteneryzacją (Docker). - Język angielski na poziomie min. B2. Mile widziane: - Znajomość procesów orkiestracji dla Machine Learningu (ML) oraz inżynierii danych (data ingestion, caching). - Kubernetes, Terraform, CI/CD. - Praktyczne zastosowanie Azure Container Apps lub Azure Functions w środowisku produkcyjnym. Codzienne zadania: - Projektowanie i wdrażanie architektury aplikacji na Azure, obsługującej model ML (w tym m.in. data ingestion, caching, model triggering, API orchestration). - Budowa i utrzymanie wydajnej warstwy API zintegrowanej z ESB do dwukierunkowej wymiany danych. - Zapewnienie niezawodności systemu w krytycznych momentach (zero tolerancji na downtime w trakcie okien optymalizacyjnych). - Praca w zgodzie z rygorystycznymi wymogami IT Compliance & Security klienta (modele AI Factory / LaunchPad). - Aktywne programowanie, konfiguracja usług chmurowych i wdrażanie gotowych rozwiązań (podejście hands-on).