Data/MLOps Engineer – CT&C
Upvanta
Rola łączy Data Science z produkcją – odpowiadasz za infrastrukturę ML, CI/CD, zarządzanie cyklem życia modeli i pipeline'y danych. Pracujesz nad skalowalnymi rozwiązaniami w chmurze AWS, wykorzystując PySpark, SageMaker i Terraform. Nie tworzysz modeli, ale budujesz systemy do ich wdrażania, monitorowania i utrzymania.
Brakuje: nie podano wielkości zespołu ani struktury, brak informacji o procesie rekrutacyjnym.
Rola łączy Data Science z produkcją – odpowiadasz za infrastrukturę ML, CI/CD, zarządzanie cyklem życia modeli i pipeline'y danych. Pracujesz nad skalowalnymi rozwiązaniami w chmurze AWS, wykorzystując PySpark, SageMaker i Terraform. Nie tworzysz modeli, ale budujesz systemy do ich wdrażania, monitorowania i utrzymania.
- ✓W 100% zdalnie (remote)
- ✓Wysokie wynagrodzenie na B2B
- ✓Ciekawa rola łącząca Data Science z produkcją – realny wpływ na skalowalność ML
- !Brak informacji o wielkości zespołu i liczbie modeli w produkcji
- !Nie określono dyżurów on-call ani SLA
- !Poziom 'regular' może oznaczać mid, ale wymagania są dość szerokie
- •Projektowanie i wdrażanie end-to-end lifecycle ML (trenowanie, deployment, monitoring, wersjonowanie)
- •Budowa i utrzymanie Feature Stores, platform eksperymentów i rejestrów modeli
- •Zarządzanie infrastrukturą chmurową (AWS) jako kod (Terraform/CloudFormation)
- •Tworzenie CI/CD/CT pipeline'ów dla wiarygodnych wydań produkcyjnych
- •Projektowanie pipeline'ów ETL/ELT z użyciem Apache Spark i PySpark
- •Implementacja monitorowania wydajności modeli, dryfu, jakości danych i opóźnień
- •Współpraca z Data Scientistami przy produkcyjnym wdrożeniu modeli
- •Uczestnictwo w Agile – sprint planning, daily, retrospektywy
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Inżynier z praktyczną znajomością Pythona, Sparka i podstaw MLOps, który umie konfigurować AWS i CI/CD. Osoba z doświadczeniem w ETL i SQL, która chce rozwijać się w stronę MLOps.
Osoby bez doświadczenia w AWS, Sparku lub MLOps. Rola wymaga solidnych podstaw inżynieryjnych i znajomości cyklu życia ML – nie dla juniorów ani czystych Data Scientistów bez umiejętności inżynieryjnych.
- ?Ile osób liczy zespół CT&C Engineering?
- ?Ile modeli ML jest obecnie w produkcji?
- ?Czy są dyżury on-call? Jak często?
- ?Jaki jest stosunek pracy nad infrastrukturą ML do data engineeringu?
- ?Czy stack technologiczny (np. SageMaker) jest już używany produkcyjnie?
- ?Jak wygląda współpraca z Data Scientistami – czy są w tym samym zespole?
- ?Czy istnieje budżet na szkolenia lub konferencje?
- −Nie podano wielkości zespołu ani struktury
- −Brak informacji o procesie rekrutacyjnym
- −Nie wiadomo, czy praca dotyczy jednego produktu czy wielu projektów
Agile, współpraca z Data Scientistami i inżynierami, nacisk na automatyzację i operacjonalizację ML.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →