Principal MLOps Architect
Intellias
Rola łączy strategię z praktyką: jako Principal MLOps Architect odpowiadasz za projektowanie i wdrażanie skalowalnych systemów AI/ML w skali enterprise, ze szczególnym naciskiem na LLM, Generative AI i MLOps. Będziesz definiować standardy architektury, nadzorować migrację do chmury (Azure/AWS), budować potoki danych (Spark, Databricks) oraz wdrażać rozwiązania typu RAG i agentowe. To pozycja dla kogoś, kto potrafi zarówno myśleć strategicznie, jak i samodzielnie tworzyć rozwiązania – to nie jest czysty management, lecz architektura z elementami hands-on.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano konkretnych widełek wynagrodzenia, brak opisu procesu rekrutacyjnego.
Rola łączy strategię z praktyką: jako Principal MLOps Architect odpowiadasz za projektowanie i wdrażanie skalowalnych systemów AI/ML w skali enterprise, ze szczególnym naciskiem na LLM, Generative AI i MLOps. Będziesz definiować standardy architektury, nadzorować migrację do chmury (Azure/AWS), budować potoki danych (Spark, Databricks) oraz wdrażać rozwiązania typu RAG i agentowe. To pozycja dla kogoś, kto potrafi zarówno myśleć strategicznie, jak i samodzielnie tworzyć rozwiązania – to nie jest czysty management, lecz architektura z elementami hands-on.
- ✓Elastyczny grafik pracy
- ✓Kwartalny bonus finansowy z góry na pokrycie kosztów opieki medycznej i karty sportowej (na B2B)
- ✓Konta e-learningowe na Coursera, O'Reilly, Udemy
- ✓Korporacyjna szkoła językowa
- −Widełki wynagrodzenia niepodane w ogłoszeniu
- −Firma outsourcingowa (Intellias) – możliwa rotacja projektów i mniejszy wpływ na wybór technologii
- !Bardzo szeroki zakres odpowiedzialności – od badań po produkcję i koszty – może być wyzwaniem bez odpowiedniego wsparcia
- !'Dynamic environment' – często oznacza zmienne priorytety
- !Brak opisu procesu rekrutacyjnego
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie architektury AI/ML dla systemów produkcyjnych klasy enterprise
- •Wdrażanie i optymalizacja Large Language Models oraz systemów Generative AI
- •Budowa i utrzymanie potoków danych w Spark, Databricks, Delta Lake
- •Implementacja MLOps: CI/CD, Infrastructure-as-Code, monitorowanie modeli
- •Tworzenie rozwiązań RAG, agentowych i orchestratorów LLM (LangChain, itp.)
- •Prowadzenie migracji do chmury (Azure, AWS) i optymalizacja kosztów
- •Mentoring zespołów data scientistów i ML inżynierów
- •Komunikacja z interesariuszami biznesowymi i tłumaczenie złożonych koncepcji
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z około 8-9 latami doświadczenia w data science i data engineering, który samodzielnie wdrażał modele w produkcji i zna ekosystem chmurowy, ale niekoniecznie pełnił rolę architekta na takim poziomie.
Osoby z mniej niż 5 latami doświadczenia w AI/ML, które nie mają za sobą produkcyjnych wdrożeń na dużą skalę. Rola wymaga również umiejętności przywódczych – nie dla samodzielnych specjalistów bez doświadczenia w kierowaniu zespołami.
- ?Jak duży jest zespół, którym będę kierować?
- ?Czy jest konkretny projekt/klient, czy rola ma charakter cross-project?
- ?Jak wygląda balans między pracą badawczą a produkcyjną – w jakiej proporcji?
- ?Czy istnieje system on-call dla środowisk produkcyjnych?
- ?Jakie są ścieżki rozwoju dla Principal Architect w tej firmie?
- ?Czy są już wdrożone standardy MLOps, czy mam je zbudować od zera?
- −Nie podano konkretnych widełek wynagrodzenia
- −Brak opisu procesu rekrutacyjnego
- −Nie wiadomo ile osób liczy zespół ani struktura zespołów
- −Brak informacji o planowanych projektach lub konkretnych klientach