Principal ML Ops Engineer
Do uzgodnienia
Wymagania
- doświadczenie w produkcyjnym serwowaniu modeli ML (vLLM, TGI, Triton lub równoważne)
- doświadczenie z rozproszonymi systemami GPU
- doświadczenie w budowie pipeline'ów wdrożeniowych (blue/green, canary) dla modeli ML
- doświadczenie w projektowaniu systemów obserwowalności (latencja, throughput, użycie GPU, koszty)
- zarządzanie rejestrami modeli i pipeline'ami CI/CD dla wdrożeń modeli
- gotowość do pełnej odpowiedzialności operacyjnej, w tym dyżurów on-call
- doświadczenie w pracy w środowisku startupowym o szybko zmieniających się priorytetach
Opis stanowiska
Pragmatike rekrutuje na rzecz startupu budującego zdecentralizowaną infrastrukturę chmurową z GPU do obsługi obciążeń AI/ML. Rola jest mocno techniczna i hands-on: projektowanie i utrzymanie platformy serwowania modeli ML w produkcji, z naciskiem na wydajność GPU, niskie opóźnienia i skalowalność. To oferta dla inżyniera, który lubi pracować blisko infrastruktury wnioskowania (inference) i chce współtworzyć platformę od podstaw. Szczera uwaga: to szybko rosnący, dobrze sfinansowany startup — w praktyce oznacza to dużą dynamikę, ale też możliwą niestabilność i częste zmiany priorytetów, a sama technologia może być jeszcze w fazie rozwoju, nie w pełni dojrzała.
🔍 Dekoder Ogłoszenia
🔴
fast-scaling, well-funded distributed cloud infrastructure startup building next-generation AI-native cloud services
Firma szybko rośnie i ma dużo pieniędzy, ale może to oznaczać niestabilność i szybkie zmiany priorytetów typowe dla startupów.
🔴
redefining how compute is delivered
Firma twierdzi, że wprowadza innowacje, ale może to oznaczać, że technologia jest wciąż w fazie rozwoju i nie w pełni dojrzała.
🟡
highly technical, hands-on role
Oczekuje się, że będziesz dużo pracować przy kodowaniu i rozwiązywaniu problemów technicznych, a nie tylko zarządzać.
🟡
Strong ownership
Oczekuje się, że będziesz brać pełną odpowiedzialność za swoje zadania i projekty, często bez bezpośredniego nadzoru.
🟢
production mindset
Oczekuje się, że będziesz myśleć o stabilności, niezawodności i skalowalności systemów w środowisku produkcyjnym.