MLOps Section Manager (m/f/d)
⚲ Wrocław, Fabryczna
Do uzgodnienia
Wymagania
- doskonała znajomość środowiska Databricks w kontekście analityki/ML (MLflow, Feature Store, Unity Catalog, Online Feature Store)
- doskonała znajomość Declarative Automation Bundles (dawniej Databricks Asset Bundles)
- doskonała znajomość praktyk MLOps: GitLab, CI/CD dla modeli/FS, automatyzacja pipeline'ów, integracje
- znajomość procesów deploy code/model, governance/lineage dla modeli i danych, model lifecycle
- znajomość Spark/Python/Scala/SQL i umiejętność optymalizacji procesów/zapytań
- umiejętność wdrażania i utrzymania aplikacji w ramach Databricks Apps
- doświadczenie w integracji Databricks model serving endpoints z innymi systemami zgodnie z wymaganiami Enterprise architecture (kong, grafana, nexus, itd.)
- doświadczenie w zarządzaniu zespołem specjalistów
Opis stanowiska
KRUK S.A. szuka kierownika/kierowniczki zespołu MLOps, który poprowadzi wdrożenie, utrzymanie i rozwój procesów uczenia maszynowego na platformie Databricks w Azure. Będziesz wspierać zespoły data science w skalowalnym wdrażaniu pełnego cyklu życia modeli oraz kierować zespołem specjalistów MLOps, rozwijając ich kompetencje i planując pracę. To rola dla osoby z bardzo mocnym zapleczem technicznym w Databricks i MLOps, która łączy je z doświadczeniem w zarządzaniu zespołem. Uwaga: z opisu wynika, że obejmiesz zarówno wsparcie wdrażania platformy Databricks, jak i utrzymanie obecnych procesów MLOps (MSSQL/mlflow/gitlab/docker/Python/R) — może to oznaczać przejmowanie istniejącej, potencjalnie wymagającej przebudowy infrastruktury, a nie tylko jej rozwój; warto dopytać o stan obecnych procesów.
🔍 Dekoder Ogłoszenia
🔴
Wsparcie zespołu wdrażającego platformę Databricks w zakresie zagadnień MLOps, (integracje, CI/CD, asset bundles, pipeline-y, itd.) wraz z późniejszym utrzymaniem i rozwojem platformy.
Może oznaczać zarówno budowanie od zera, jak i przejmowanie istniejącej, potencjalnie niedopracowanej infrastruktury.
🔴
Utrzymanie aktualnych procesów MLOps...
Może sugerować, że obecne procesy są dalekie od ideału i wymagają gruntownej przebudowy, a nie tylko drobnych usprawnień.