MLOps Engineer
ASTEK Polska
Rola polega na migracji modeli ML z monolitu do nowej architektury opartej na szablonie pyZYPAD (Kedro) oraz wprowadzeniu podejścia MLOps. Na co dzień inżynier będzie utrzymywał i rozwijał pipe’y ML w Kedro, modelował dane w DBT na Snowflake, deployował i monitorował modele jako usługi, oraz pracował nad CI/CD i infrastrukturą. To typowa rola MLOps w środowisku konsultingowym – praca dla klienta z branży biotechnologicznej.
Brakuje: nie podano opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe, live coding), brak informacji o wielkości zespołu i strukturze projektu.
Rola polega na migracji modeli ML z monolitu do nowej architektury opartej na szablonie pyZYPAD (Kedro) oraz wprowadzeniu podejścia MLOps. Na co dzień inżynier będzie utrzymywał i rozwijał pipe’y ML w Kedro, modelował dane w DBT na Snowflake, deployował i monitorował modele jako usługi, oraz pracował nad CI/CD i infrastrukturą. To typowa rola MLOps w środowisku konsultingowym – praca dla klienta z branży biotechnologicznej.
- ✓Długoterminowa współpraca (deklarowana w ofercie)
- ✓Competence Center mentoring od pierwszego dnia – wsparcie i rozwój
- ✓Możliwość udziału w konferencjach i szkoleniach technicznych
- ✓Jasna ścieżka kariery
- ✓Praca w międzynarodowym środowisku z dużym klientem biotechnologicznym
- −Praca przez agencję konsultingową (outsourcing) – brak bezpośredniego zatrudnienia u klienta
- −Brak opisu procesu rekrutacyjnego i liczby etapów
- −Nie podano wielkości zespołu ani struktury projektu
- !Brak informacji o dyżurach on-call i monitoringu modeli
- !Nie wiadomo, jak długo potrwa migracja i czy po niej rola się zmieni
- !Wymieniono wiele technologii – ryzyko szerokiego zakresu obowiązków
- •Utrzymywanie i rozwijanie pipeline'ów ML w Kedro (pyZYPAD template)
- •Modelowanie i transformacja danych przy użyciu DBT na Snowflake
- •Deployowanie modeli ML jako skalowalne usługi
- •Monitorowanie wydajności i działania modeli w produkcji
- •Współpraca z zespołami cross-funkcyjnymi (data scientists, inżynierowie danych)
- •Przygotowanie i optymalizacja CI/CD w GitLab CI/CD
- •Zarządzanie infrastrukturą w AWS z użyciem Terraform i Kubernetes
- •Migracja kodu i najlepszych praktyk ze starego monolitu do nowego rozwiązania
Oferta dla doświadczonych specjalistów (Senior).
Mid-level inżynier z co najmniej 3-4 latami doświadczenia w Pythonie i MLOps, który ma solidne podstawy w AWS, K8s i CI/CD, ale może potrzebować wsparcia w Kedro czy DBT.
Nie dla juniorów (<3 lata doświadczenia) ani osób bez praktycznej znajomości AWS, K8s i GitLab CI/CD. Rola wymaga samodzielności w deployowaniu modeli i pracy z infrastrukturą.
- ?Ile osób liczy zespół MLOps i data science, z którym będę współpracować?
- ?Czy są dyżury on-call? Jak często i czy dodatkowo płatne?
- ?Jaki jest harmonogram migracji i jakie legacy technologie są zastępowane?
- ?Jakie narzędzia do monitoringu modeli będą używane?
- ?Jaka jest częstotliwość deployów modeli do produkcji?
- ?Czy zespół ma autonomię w doborze narzędzi i architektury?
- −Nie podano opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe, live coding)
- −Brak informacji o wielkości zespołu i strukturze projektu
- −Nie wiadomo, czy są dyżury on-call
- −Nie określono, jak długo potrwa migracja i czy rola jest tymczasowa czy stała
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię AWS. Pełne statystyki zarobków →