Engineering Manager (Machine Learning Engineering)
Tesco Technology
To rola Engineering Managera w zespole Data Science Engineering w Tesco. Będziesz zarządzać zespołem inżynierów pracującym nad systemami ML na dużą skalę, integrując rozwiązania Data Science z aplikacjami klienckimi w obszarach takich jak sklepy, online, fulfillment, CRM i lojalność. To połączenie zarządzania ludźmi, architektury systemów ML i praktycznego DevOps – nie jest to rola czysto menedżerska, wymagająca technicznej wiedzy o ML, CI/CD, microserwisach i chmurze (Azure). Pracujesz hybrydowo w Krakowie (3 dni w biurze).
Brakuje: nie podano liczby członków zespołu, brak informacji o procesie rekrutacyjnym.
To rola Engineering Managera w zespole Data Science Engineering w Tesco. Będziesz zarządzać zespołem inżynierów pracującym nad systemami ML na dużą skalę, integrując rozwiązania Data Science z aplikacjami klienckimi w obszarach takich jak sklepy, online, fulfillment, CRM i lojalność. To połączenie zarządzania ludźmi, architektury systemów ML i praktycznego DevOps – nie jest to rola czysto menedżerska, wymagająca technicznej wiedzy o ML, CI/CD, microserwisach i chmurze (Azure). Pracujesz hybrydowo w Krakowie (3 dni w biurze).
- ✓Dodatkowe 4 dni płatnego urlopu na wellbeing
- ✓Fertility leave – do 2 tygodni płatnego urlopu na leczenie IVF
- ✓Back-to-school day – dzień wolny dla rodziców dzieci w szkole podstawowej
- ✓Budżet na certyfikowane szkolenia techniczne i platforma Udemy
- ✓MacBook jako narzędzie pracy
- ✓Premia roczna do 20% wynagrodzenia (zależna od wyników indywidualnych i firmowych)
- !Hybryda z 3 dniami w biurze – może być sztywna dla osób szukających większej elastyczności
- !Brak informacji o procesie rekrutacyjnym
- !Szeroki zakres odpowiedzialności (od zarządzania po szczegóły techniczne) – ryzyko rozmycia roli
- •Prowadzenie ocen wyników, feedbacków i planów rozwoju członków zespołu.
- •Mentoring inżynierów w zakresie najlepszych praktyk, wzorców projektowych i standardów kodowania.
- •Definiowanie zakresów projektów, harmonogramów i zgodności z celami biznesowymi.
- •Monitorowanie postępu projektów, zarządzanie ryzykiem i zapewnienie zgodności z normami korporacyjnymi.
- •Współpraca z zespołami cross-funkcyjnymi (product managerowie, data scientists, sys admini) przy kształtowaniu strategii technicznej i roadmap.
- •Implementacja narzędzi bezpieczeństwa (np. SonarQube, Snyk) i dbanie o najlepsze praktyki bezpieczeństwa.
- •Zarządzanie monitorowaniem wydajności aplikacji i assetów (np. Splunk, New Relic).
- •Tworzenie i utrzymywanie dokumentacji technicznej.
Stanowisko liderskie — wymaga zarówno doświadczenia technicznego jak i umiejętności zarządzania.
Osoba z co najmniej kilkuletnim doświadczeniem w zarządzaniu małym zespołem inżynierskim, praktyczną znajomością ML engineering (feature engineering, trenowanie modeli) oraz architektury mikroserwisowej. Musi mieć solidne podstawy w SDLC i chmurze (najlepiej Azure) oraz umiejętność efektywnej komunikacji z interesariuszami nietechnicznymi.
Nie dla osób, które chcą wyłącznie pisać kod – to rola menedżerska z elementami technicznymi, ale główny nacisk na zarządzanie i przywództwo. Osoby bez doświadczenia w zarządzaniu zespołem lub bez znajomości ML engineering nie spełnią wymagań.
- ?Ile osób liczy zespół, którym będę zarządzać?
- ?Czy ta rola wymaga bezpośredniego kodowania, czy raczej code review i architektury?
- ?Jak wygląda proces rekrutacyjny – ile etapów i czego dotyczą?
- ?Czy obowiązuje dyżur on-call? Jak często?
- ?Jaki jest budżet na szkolenia i konferencje dla mnie i zespołu?
- ?Jakie są najbliższe cele zespołu i roadmapa produktowa?
- ?Czy zespół pracuje nad jednym produktem, czy rotuje między projektami?
- −Nie podano liczby członków zespołu
- −Brak informacji o procesie rekrutacyjnym
- −Nie wiadomo, czy rola wymaga dyżurów on-call
- −Nie podano konkretnych technologii w stosie produkcyjnym (np. które frameworki ML)
Kultura DevOps z silnym naciskiem na współpracę, autonomię i odpowiedzialność. Zespół jest globalnie rozproszony, ale pracuje małych, samodzielnych grupach. Ceniona jest wymiana wiedzy i wsparcie.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Machine Learning. Pełne statystyki zarobków →