MLOps Engineer (2907)
RITS Professional Services
Rola MLOps Engineera w firmie IT świadczącej usługi programistyczne. Będziesz pracować w zespole klienta, odpowiedzialny za usprawnianie procesów Data Science poprzez automatyzację i wdrażanie narzędzi MLOps. Twoim celem jest podnoszenie dojrzałości MLOps w projektach – od przygotowania danych, przez trening modeli, po wdrożenie i monitorowanie w produkcji. To stanowisko wymaga łączenia wiedzy z ML, DevOps i chmury (AWS). Będziesz mentoringować innych członków zespołu.
Brakuje: nie podano konkretnego klienta ani branży projektu, brak informacji o wielkości zespołu i strukturze.
Rola MLOps Engineera w firmie IT świadczącej usługi programistyczne. Będziesz pracować w zespole klienta, odpowiedzialny za usprawnianie procesów Data Science poprzez automatyzację i wdrażanie narzędzi MLOps. Twoim celem jest podnoszenie dojrzałości MLOps w projektach – od przygotowania danych, przez trening modeli, po wdrożenie i monitorowanie w produkcji. To stanowisko wymaga łączenia wiedzy z ML, DevOps i chmury (AWS). Będziesz mentoringować innych członków zespołu.
- ✓Nowoczesny stack: AWS SageMaker, MLflow, Docker, Kubernetes
- ✓Możliwość mentoringu i dzielenia się wiedzą
- ✓Program poleceń z premią 5000 zł
- !Brak informacji o konkretnym kliencie/produkcie – projekty mogą być zmienne
- !Nie podano wielkości zespołu ani liczby projektów
- !Brak wzmianki o dyżurach on-call lub oczekiwanej dostępności
- •Projektowanie i wdrażanie pipeline'ów ML/MLOps na AWS SageMaker oraz z użyciem Docker, Kubernetes i GitLab CI/CD
- •Konfiguracja i utrzymanie MLflow do rejestracji eksperymentów i zarządzania modelami
- •Automatyzacja procesów deploy'u modeli ML wraz z monitoringiem (Prometheus, Grafana – mile widziane)
- •Współpraca z Data Scientistami przy tłumaczeniu wymagań biznesowych na techniczne zadania MLOps
- •Przeprowadzanie wewnętrznych szkoleń z zakresu MLOps i narzędzi dla zespołów Data Science
- •Debugowanie i optymalizacja wydajności modeli w środowisku produkcyjnym
- •Utrzymywanie dokumentacji architektury ML i pipeline'ów danych
Oferta dla doświadczonych specjalistów (Senior).
Doświadczony Data Scientist lub ML Engineer z min. 5-letnim stażem, który ma praktykę z wdrożeniami produkcyjnymi i podstawami MLOps (MLflow, CI/CD) – może wejść w rolę pod warunkiem szybkiego uzupełnienia umiejętności narzędziowych.
Juniorzy bez doświadczenia produkcyjnego w ML oraz osoby, które nie chcą mentoringować lub pracować w modelu agencyjnym (B2B). Również nie dla kogoś szukającego pracy stacjonarnej.
- ?Jakie jest portfolio klientów i jaka jest typowa długość projektów?
- ?Ile osób liczy zespół MLOps/Data Science, z którym będę współpracować?
- ?Czy są przewidziane dyżury on-call? Jak wygląda wsparcie produkcyjne po godzinach?
- ?Jaki jest poziom dojrzałości MLOps u obecnych klientów?
- ?Czy istnieje budżet na szkolenia lub konferencje?
- ?Jak wygląda proces onboardingu i czy są shadowing starszych inżynierów?
- −Nie podano konkretnego klienta ani branży projektu
- −Brak informacji o wielkości zespołu i strukturze
- −Nie określono oczekiwanego obciążenia (ilość projektów jednocześnie)
- −Brak opisu procesu rekrutacyjnego
Kultura organizacyjna oparta na zaufaniu, współpracy i ciągłym doskonaleniu, z naciskiem na jakość i innowacyjność.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →