MLOps Engineer with Azure
Square One Resources
Rola MLOps Engineer w firmie z branży FMCG, skupiająca się na budowie i utrzymaniu platformy Machine Learning w chmurze Azure. Kandydat będzie odpowiedzialny za produkcyjne wdrażanie i skalowanie modeli ML, tworzenie pipeline'ów ML i data pipelines, a także implementację CI/CD i dobrych praktyk DevOps dla projektów ML. Kluczowa jest współpraca z Data Scientistami, Data Engineerami i analitykami.
Brakuje: wielkość zespołu, szczegóły dotyczące procesu rekrutacyjnego.
Rola MLOps Engineer w firmie z branży FMCG, skupiająca się na budowie i utrzymaniu platformy Machine Learning w chmurze Azure. Kandydat będzie odpowiedzialny za produkcyjne wdrażanie i skalowanie modeli ML, tworzenie pipeline'ów ML i data pipelines, a także implementację CI/CD i dobrych praktyk DevOps dla projektów ML. Kluczowa jest współpraca z Data Scientistami, Data Engineerami i analitykami.
- ✓Praca zdalna
- ✓Wsparcie zespołu w zakresie najlepszych praktyk MLOps
- •Budowa, rozwój i utrzymanie środowiska MLOps w chmurze Azure
- •Produkcyjne wdrażanie oraz skalowanie modeli ML
- •Tworzenie i rozwój pipeline’ów ML oraz data pipelines
- •Implementacja CI/CD oraz dobrych praktyk DevOps dla projektów ML
- •Monitoring, troubleshooting oraz incident management dla pipeline’ów ML
- •Optymalizacja wydajności i stabilności rozwiązań ML
- •Standaryzacja procesów związanych z eksperymentami, deploymentem i zarządzaniem modelami
- •Wsparcie zespołu w zakresie najlepszych praktyk MLOps
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z doświadczeniem w MLOps/ML Engineering, posiadająca solidną wiedzę z zakresu Pythona, Azure, Databricks, SQL i Git, która potrafi wdrażać modele ML w środowisku produkcyjnym i stosuje praktyki CI/CD/DevOps. Komunikatywny angielski jest niezbędny.
Oferta nie jest dla osób bez doświadczenia w MLOps/ML Engineering, bez znajomości Pythona, Azure, Databricks, SQL, Git, ani bez doświadczenia w produkcyjnym wdrażaniu modeli ML. Osoby z komunikatywnym angielskim na poziomie niższym niż B2 również nie będą pasować.
- ?Jaka jest wielkość zespołu MLOps?
- ?Jakie są główne wyzwania projektowe, z którymi zespół się mierzy?
- ?Czy istnieje budżet szkoleniowy dla członków zespołu?
- ?Jak wygląda proces wdrażania nowych modeli ML do produkcji?
- ?Czy są jakieś plany dotyczące rozwoju platformy ML w najbliższym czasie?
- ?Jak często występują dyżury on-call i jak są wynagradzane?
- −Wielkość zespołu
- −Szczegóły dotyczące procesu rekrutacyjnego
- −Informacje o dyżurach on-call (częstotliwość, wynagrodzenie)
- −Budżet szkoleniowy
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię Azure. Pełne statystyki zarobków →