MLOps/Data Scientist/Data Engineer (k/m)
⚲ Warszawa
Do uzgodnienia
Wymagania
- wykształcenie wyższe z zakresu data science, ekonometrii, statystyki, matematyki, fizyki lub pokrewnych
- 2 lata doświadczenia w obszarze MLOps, Machine Learning lub Data Engineering
- znajomość środowisk chmurowych Azure i ekosystemów Microsoft
- znajomość SAS VIYA, Azure ML, Databricks, Fabric
- znajomość zagadnień deploymentu, monitoringu i zarządzania cyklem życia modeli
- gotowość do świadczenia usług częściowo z biura w Warszawie (20%)
Opis stanowiska
Rola w PZU Tech — projektowanie, budowa i rozwój środowisk MLOps wspierających wdrażanie, automatyzację i utrzymanie modeli Machine Learning oraz silników decyzyjnych. Będziesz opracowywać procesy pełnego cyklu życia modeli, rozwijać CI/CD, implementować rozwiązania na Azure, Fabric i SAS Viya oraz integrować środowiska on-prem z chmurą. To oferta dla osoby z ok. 2-letnim doświadczeniem w jednym z obszarów MLOps/ML/Data Engineering, gotowej do pracy częściowo z warszawskiego biura (20%).
🔍 Dekoder Ogłoszenia
🔴
2 letnie doświadczenie w obszarze MLOps, Machine Learning lub Data Engineering.
Może oznaczać, że poszukują kogoś z 2-letnim doświadczeniem w jednym z tych obszarów, a niekoniecznie we wszystkich trzech.
🟡
Świadczenie usług z terenu Polski częściowo z Warszawskiego biura (20%)
Oznacza to, że praca jest głównie zdalna, ale wymagana jest obecność w biurze w Warszawie przez około 1 dzień w tygodniu.
🔴
Analiza nowych technologii i proponowanie ich zastosowania
Może oznaczać zarówno proaktywne poszukiwanie innowacji, jak i konieczność ciągłego uczenia się i adaptacji do szybko zmieniających się narzędzi.
🔴
Projektowanie, budowa i rozwój środowisk MLOps wspierających wdrażanie, automatyzację oraz utrzymanie modeli Machine Learning i silników decyzyjnych.
Zakres obowiązków jest szeroki i może wymagać od kandydata umiejętności zarówno w budowaniu infrastruktury, jak i w zarządzaniu cyklem życia modeli.
🔴
Analiza potrzeb rozwojowych platformy oraz projektowanie i wdrażanie rozwiązań usprawniających procesy budowy silników decyzyjnych, modeli predykcyjnych oraz integrujących środowiska on-prem z cloud.
Oczekuje się od kandydata nie tylko implementacji, ale także aktywnego udziału w strategicznym rozwoju platformy i rozwiązywaniu złożonych problemów integracyjnych.