MLOps Engineer
Comarch
Rola polega na budowaniu i utrzymywaniu infrastruktury oraz pipeline'ów CI/CD dla modeli Machine Learning w środowisku produkcyjnym. Będziesz odpowiedzialny za automatyzację procesów trenowania, walidacji i wdrażania modeli, zarządzanie klastrami Kubernetes i Docker, monitorowanie wydajności modeli oraz ścisłą współpracę z ML Engineerami. Produkt jest używany przez globalne banki, co daje ekspozycję na wymagające środowisko FinTech.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano widełek wynagrodzenia, brak opisu procesu rekrutacyjnego.
Rola polega na budowaniu i utrzymywaniu infrastruktury oraz pipeline'ów CI/CD dla modeli Machine Learning w środowisku produkcyjnym. Będziesz odpowiedzialny za automatyzację procesów trenowania, walidacji i wdrażania modeli, zarządzanie klastrami Kubernetes i Docker, monitorowanie wydajności modeli oraz ścisłą współpracę z ML Engineerami. Produkt jest używany przez globalne banki, co daje ekspozycję na wymagające środowisko FinTech.
- ✓Praca nad produktem AI używanym przez globalne banki – prestiż i skala
- ✓Dostęp do szkoleń, konferencji i warsztatów wewnętrznych
- ✓Praca z ekspertami AI i FinTech – możliwość uczenia się od najlepszych
- ✓Firma deklaruje otwartość na eksperymenty i nowe narzędzia
- −Okres wdrożenia nieokreślony – może trwać dłużej niż oczekiwano
- !Rozbieżność w wymaganym doświadczeniu (2-3 lata vs. 1-2 lata)
- !Brak informacji o wynagrodzeniu
- !Brak opisu procesu rekrutacyjnego
- !Duża firma (500+ pracowników) – możliwa biurokracja i dłuższe decyzje
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja pipeline'ów CI/CD dla ML
- •Zarządzanie klastrami Kubernetes i kontenerami Docker dla trenowania i serwowania modeli
- •Definiowanie zasobów chmurowych za pomocą Terraform (lub CloudFormation)
- •Konfiguracja monitoringu modeli (Prometheus, Grafana) i alertowanie o dryfcie danych
- •Wersjonowanie modeli, danych i eksperymentów (MLflow, DVC)
- •Współpraca z ML Engineerami i Data Scientistami przy wdrażaniu modeli do produkcji
- •Automatyzacja procesów testowania, trenowania i wdrażania modeli
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z 1 rokiem doświadczenia w DevOps, znająca podstawy Kubernetesa, Dockera i jednej chmury, potrafiąca pisać proste skrypty w Pythonie. Gotowa do intensywnej nauki MLOps i pracy w zespole.
Osoby bez doświadczenia w DevOps/infrastrukturze (juniorzy bez stażu) oraz osoby preferujące wyłącznie rozwój back-endu bez kontaktu z infrastrukturą i MLOps.
- ?Jaka jest liczebność zespołu MLOps i zespołów powiązanych?
- ?Z jakiego konkretnie narzędzia CI/CD korzystacie?
- ?Czy na stanowisku występują dyżury on-call? Jak często?
- ?Jak długo trwa okres wdrożenia i co dokładnie obejmuje?
- ?Który dostawca chmury jest głównie używany?
- ?Jak wygląda współpraca z ML Engineerami – czy są w tym samym zespole?
- ?Czy istnieje budżet szkoleniowy / możliwość udziału w konferencjach?
- ?Jakie są plany rozwoju produktu w najbliższych 12 miesiącach?
- −Nie podano widełek wynagrodzenia
- −Brak opisu procesu rekrutacyjnego
- −Nie wiadomo czy są dyżury on-call
- −Nie określono długości okresu wdrożenia
- −Brak informacji o budżecie szkoleniowym (choć dostęp do szkoleń jest zadeklarowany)
Zespół składa się z ekspertów AI i FinTech, panuje atmosfera otwartości na eksperymenty i nowe narzędzia. Współpraca z ML Engineerami i Data Scientistami jest bliska, a pracownicy mają dostęp do szkoleń i konferencji.