MLOps / ML Platform Engineer
emagine
Ta rola to MLOps/ML Platform Engineer - nie jest to Data Scientist ani ML Researcher. Będziesz odpowiedzialny za budowanie i utrzymanie infrastruktury do uruchamiania modeli ML w produkcji, automatyzację pipeline'ów CI/CD, zarządzanie klastrami Kubernetes, konfigurację chmury (GCP, Azure) z Terraform, oraz współpracę z data scientistami przy wdrażaniu modeli. Praca dotyczy różnych branż przez firmę outsourcingową - możesz być przypisany do projektu klienckiego.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak widełek wynagrodzenia, brak opisu procesu rekrutacyjnego.
Ta rola to MLOps/ML Platform Engineer - nie jest to Data Scientist ani ML Researcher. Będziesz odpowiedzialny za budowanie i utrzymanie infrastruktury do uruchamiania modeli ML w produkcji, automatyzację pipeline'ów CI/CD, zarządzanie klastrami Kubernetes, konfigurację chmury (GCP, Azure) z Terraform, oraz współpracę z data scientistami przy wdrażaniu modeli. Praca dotyczy różnych branż przez firmę outsourcingową - możesz być przypisany do projektu klienckiego.
- ✓Nowoczesny stack (Kubernetes, Terraform, GCP, ML)
- ✓Różnorodność technologii (SQL, bazy wektorowe, grafowe)
- ✓Współpraca z data scientistami i realne wdrożenia ML
- −Firma outsourcingowa - projekty i stabilność zależą od klienta
- −Brak widełek wynagrodzenia
- !Nie podano wielkości zespołu ani liczby projektów jednocześnie
- !Nie wiadomo, czy praca jest na jednym kliencie, czy rotacja
- !Brak informacji o dyżurach on-call
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Automatyzacja pipeline'ów CI/CD dla modeli ML (Continuous Training, Continuous Deployment)
- •Zarządzanie infrastrukturą jako kodem z Terraform na GCP i Azure
- •Konfiguracja i utrzymanie klastrów Kubernetes oraz obrazów Docker
- •Współpraca z data scientistami przy konwersji notebooków na stabilne serwisy
- •Implementacja monitorowania i obserwowalności modeli oraz infrastruktury
- •Zarządzanie bazami danych (SQL, wektorowe, grafowe) dla różnych przypadków użycia ML
- •Utrzymanie zabezpieczeń, kontroli dostępu i zarządzania tożsamością w cyklu życia modeli
- •Integracja narzędzi ML (np. Hugging Face) z platformą
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Inżynier z 2-3 latami w DevOps/Platform Engineering, który miał styczność z ML (pipelinami, modelami) i zna podstawy K8s, Terraform i chmury.
Osoba szukająca czystego researchu ML lub data science, junior bez doświadczenia w infrastrukturze, ktoś kto nie chce pracować z różnymi klientami.
- ?Ile osób liczy zespół MLOps/ML Platform?
- ?Czy będę przypisany do jednego klienta, czy do wielu projektów?
- ?Jaki jest proces rekrutacyjny - ile etapów, czy jest zadanie domowe?
- ?Czy są dyżury on-call? Jeśli tak, jak często i czy są dodatkowo płatne?
- −Brak widełek wynagrodzenia
- −Brak opisu procesu rekrutacyjnego
- −Brak informacji o wielkości zespołu i podziale obowiązków
Nie opisano w ogłoszeniu, ale typowo w firmie outsourcingowej praca opiera się na projektach klienckich z różnymi zespołami.