Data / MLOps Engineer (m/f/n)
Shimi
Rola łączy Data Engineering z MLOps. Będziesz odpowiedzialny za budowę i utrzymanie infrastruktury ML na AWS (w tym Sagemaker), pipeline'ów danych w PySpark/Spark oraz CI/CD/CT. Pracujesz z Data Scientistami, aby wdrażać modele do produkcji, monitorować dryf i zapewniać powtarzalność. To rola produkcyjna, wymagająca solidnego rozumienia ML i inżynierii danych.
Brakuje: nie podano nazwy klienta, brak informacji o wielkości zespołu.
Rola łączy Data Engineering z MLOps. Będziesz odpowiedzialny za budowę i utrzymanie infrastruktury ML na AWS (w tym Sagemaker), pipeline'ów danych w PySpark/Spark oraz CI/CD/CT. Pracujesz z Data Scientistami, aby wdrażać modele do produkcji, monitorować dryf i zapewniać powtarzalność. To rola produkcyjna, wymagająca solidnego rozumienia ML i inżynierii danych.
- ✓100% zdalnie
- ✓Przejrzyste stawki i zakres odpowiedzialności
- ✓Nacisk na produkcję i jakość – nie tylko prototypy
- ✓Rola łączy Data Engineering z MLOps – rozwijające technicznie
- !Klient jest nieznany – brak informacji o branży, zespole czy produkcie
- !Widełki to maksymalnie 140 zł/h – może być negocjowane w dół
- !Umowa przez agencję (Shimi) – pośrednictwo może wpłynąć na warunki
- •Deployowanie i utrzymywanie end-to-end lifecycle'u ML (trenowanie, deploy, versioning)
- •Budowanie komponentów MLOps: Feature Stores, experiment tracking, model registries
- •Provisionowanie skalowalnej infrastruktury w chmurze z użyciem IaC (Terraform lub CloudFormation)
- •Tworzenie CI/CD/CT (Continuous Training) pipeline'ów do powtarzalnych release'ów produkcyjnych
- •Budowanie pipeline'ów danych o wysokim wolumenie w Apache Spark i PySpark
- •Implementacja kontroli jakości danych i observability (monitoring dryfu, opóźnień)
- •Utzymywanie wersjonowania danych, kodu i artefaktów dla 100% powtarzalności
- •Współpraca w Agile: daily stand-upy, definiowanie tasków, dokumentacja
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z co najmniej 2 latami doświadczenia w Data Engineering lub MLOps, solidnym Python i Spark, podstawami AWS oraz gotowością do nauki konkretnych narzędzi MLOps.
Nie dla juniorów z mniej niż 2 latami doświadczenia w inżynierii danych/MLOps, ani dla Data Scientistów bez znajomości infrastruktury produkcyjnej.
- ?Jaki jest klient i jego branża?
- ?Ile osób liczy zespół CT&C Engineering?
- ?Jakie konkretne narzędzia do experiment trackingu i Feature Store są używane?
- ?Czy są dyżury on-call? Jak często?
- ?Jaki jest stosunek czasu poświęcanego na data engineering vs MLOps?
- ?Czy istnieje budżet na szkolenia lub konferencje?
- ?Jak długi jest okres wypowiedzenia i czy jest możliwość przedłużenia kontraktu?
- −Nie podano nazwy klienta
- −Brak informacji o wielkości zespołu
- −Nie wiadomo, czy są dyżury on-call
- −Brak opisu procesu rekrutacyjnego
- −Nie podano konkretnych narzędzi do experiment trackingu i feature store'ów
Praca w zespole CT&C Engineering w metodyce Agile, z codzienną współpracą z Data Scientistami i Product Ownerami. Kładziony jest nacisk na jakość produkcyjną i automatyzację.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię AWS. Pełne statystyki zarobków →