Principal Platform Engineer
Point Wild
Jako Principal Platform Engineer w Point Wild będziesz architektem i liderem infrastruktury dla platformy ML na Google Cloud. Twoim zadaniem jest projektowanie, wdrażanie i automatyzacja skalowalnych systemów dla modeli ML w produkcji. Będziesz łączyć inżynierów danych, ML, backendu i frontendu, dbając o niezawodność, bezpieczeństwo i wydajność. To rola dla doświadczonego inżyniera platformowego z głęboką wiedzą o GCP i Kubernetesie, który chce pracować w środowisku cybersecurity o znaczącym wpływie.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak widełek wynagrodzenia, brak opisu procesu rekrutacyjnego (liczba etapów, zadania rekrutacyjne).
Jako Principal Platform Engineer w Point Wild będziesz architektem i liderem infrastruktury dla platformy ML na Google Cloud. Twoim zadaniem jest projektowanie, wdrażanie i automatyzacja skalowalnych systemów dla modeli ML w produkcji. Będziesz łączyć inżynierów danych, ML, backendu i frontendu, dbając o niezawodność, bezpieczeństwo i wydajność. To rola dla doświadczonego inżyniera platformowego z głęboką wiedzą o GCP i Kubernetesie, który chce pracować w środowisku cybersecurity o znaczącym wpływie.
- ✓Budowa 'paved road' dla inżynierów – nacisk na automatyzację i ułatwianie pracy
- ✓Firma z silnym backingiem (WndrCo, Warburg Pincus, General Catalyst) i realnym produktem cybersecurity
- ✓Environment nastawiony na innowację, mentoring i ciągły rozwój
- !Brak informacji o konkretnym budżecie na szkolenia czy certyfikaty
- !Dyżury on-call – nie wiadomo, jak często i czy dodatkowo płatne
- !Wysokie wymagania dotyczące szerokiego stacka narzędzi (Istio, Kong, Atlantis, wiele baz danych) – może to oznaczać dużą odpowiedzialność i presję
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i wdrażanie skalowalnej infrastruktury chmurowej na GCP z wykorzystaniem GKE, VPC-SC, IAM, Organization Policies
- •Budowa i utrzymanie CI/CD pipeline'ów dla trenowania, testowania i deploymentu modeli ML (Jenkins, GitHub Actions, Airflow)
- •Implementacja monitorowania ML-specific: dryft cech, dokładność predykcji, zmiany dystrybucji danych (np. Loki, Grafana)
- •Zarządzanie bazami danych: Cloud SQL (PostgreSQL), BigQuery, klastry Elasticsearch lub ClickHouse
- •Praca z Terraformem w trybie GitOps (Atlantis) w wieloplikowym środowisku
- •Konfiguracja i zarządzanie service meshem (Istio: VirtualServices, mTLS) oraz API Gateway (Kong)
- •Uczestnictwo w dyżurach on-call i utrzymanie zgodności z SOC
- •Automatyzacja bootstrapu i odzyskiwania klastrów (Ansible)
Oferta dla doświadczonych specjalistów (Senior).
Inżynier platformowy z co najmniej 8-letnim stażem, w tym minimum 2 lata z produkcyjnym ML na GCP/Kubernetes, który potrafi samodzielnie zarządzać całym stackiem od infra po CI/CD i monitoring.
Nie dla juniorów ani mid-leveli (<8 lat doświadczenia) oraz dla osób bez praktycznego doświadczenia z produkcją ML na GCP i Kubernetes. Rola wymaga głębokiej specjalizacji w platform engineeringu, więc osoby nastawione na rozwój backendu czy pure DevOps mogą nie spełniać oczekiwań.
- ?Ile osób liczy zespół platform engineeringu i jaka jest struktura zespołów (Data/ML/Backend)?
- ?Jak często odbywają się dyżury on-call i czy są dodatkowo wynagradzane?
- ?Ile modeli ML jest obecnie w produkcji i jaka jest ich skala?
- ?Czy istnieje możliwość uzyskania certyfikatów (CKA, GCP Professional) na koszt firmy?
- ?Jak wygląda proces awansu z Principal na wyższe poziomy (Staff/Distinguished)?
- ?Czy w planach jest migracja z istniejącej infrastruktury czy budowa od zera?
- −Brak widełek wynagrodzenia
- −Brak opisu procesu rekrutacyjnego (liczba etapów, zadania rekrutacyjne)
- −Nie podano szczegółów pakietu benefitów (np. budżet szkoleniowy, opcje na akcje)
Wysokie zaufanie, zorientowanie na wyniki i szybkie działanie w rozwiązywaniu trudnych problemów ML. Silna współpraca między inżynierami danych, ML, backendu i frontendu.