Senior Machine Learning Engineer – AI & MLOps Specialist
ITDS
Rola skupia się na operacjonalizacji modeli ML w środowisku produkcyjnym dla branży AdTech. To nie jest stanowisko badawcze – codzienna praca obejmuje budowę, wdrażanie i utrzymanie skalowalnych serwisów ML, automatyzację pipeline'ów MLOps, monitorowanie oraz reagowanie na incydenty. Inżynier będzie ściśle współpracować z zespołami Data Science i Research, aby zapewnić niezawodne dostarczanie modeli reklamowych na platformie GCP.
Brakuje: nie podano wielkości zespołu ani struktury, brak szczegółów dotyczących on-call (częstotliwość, rekompensata).
Rola skupia się na operacjonalizacji modeli ML w środowisku produkcyjnym dla branży AdTech. To nie jest stanowisko badawcze – codzienna praca obejmuje budowę, wdrażanie i utrzymanie skalowalnych serwisów ML, automatyzację pipeline'ów MLOps, monitorowanie oraz reagowanie na incydenty. Inżynier będzie ściśle współpracować z zespołami Data Science i Research, aby zapewnić niezawodne dostarczanie modeli reklamowych na platformie GCP.
- ✓Nowoczesny stack: GCP, Docker, CI/CD, MLOps
- ✓Interesująca domena AdTech z wpływem na skalowalne systemy
- ✓Wykorzystanie AI-assisted coding tools do zwiększenia produktywności
- !Brak informacji o wielkości zespołu i liczbie modeli w produkcji
- !Ogólne sformułowania o 'innowacyjnym środowisku' bez konkretów
- •Budowa i wdrażanie serwisów ML w chmurze GCP z użyciem Vertex AI i BigQuery
- •Implementacja CI/CD pipeline'ów dla modeli ML (automatyzacja testowania, pakowania i deployu)
- •Monitorowanie modeli w produkcji, debugowanie problemów i zarządzanie rollbackami
- •Współpraca z Data Scientistami przy przekształcaniu prototypów w kod produkcyjny
- •Utrzymanie infrastruktury kontenerowej Docker i mikroserwisów na GCP
- •Tworzenie i zarządzanie feature store oraz zapewnienie spójności trenowania i serwowania
- •Udział w dyżurach on-call w celu zapewnienia niezawodności systemu (SRE)
- •Kodowanie w Python i SQL, code review oraz stosowanie AI-assisted coding tools
Oferta dla doświadczonych specjalistów (Senior).
Inżynier ML z co najmniej 3-letnim stażem, który wdrożył kilka modeli do produkcji i zna podstawy MLOps, ale może mieć luki w GCP lub doświadczeniu w AdTech. Potrafi samodzielnie zarządzać pipeline'em CI/CD dla ML i radzić sobie z monitoringiem.
Juniorzy bez doświadczenia produkcyjnego w ML; osoby szukające roli badawczej (R&D); inżynierowie niechętni do dyżurów on-call lub pracy operacyjnej przy utrzymaniu systemów.
- ?Jak wygląda rotacja dyżurów on-call i czy są dodatkowo płatne?
- ?Ile osób liczy zespół ML/MLOps i jak jest podzielona odpowiedzialność?
- ?Czy istnieje już platforma MLOps, czy budujemy od zera?
- ?Jakie konkretnie serwisy GCP są używane w produkcji (oprócz Vertex AI i BigQuery)?
- ?Jaki jest typowy cykl życia modelu – od prototypu do produkcji?
- ?Czy rola wiąże się z pracą nad nowym projektem, czy utrzymaniem istniejących systemów?
- ?Jak wygląda współpraca z zespołem Data Science – częstotliwość spotkań, proces przekazywania modeli?
- ?Czy istnieje budżet na szkolenia lub certyfikacje (np. GCP)?
- −Nie podano wielkości zespołu ani struktury
- −Brak szczegółów dotyczących on-call (częstotliwość, rekompensata)
- −Nie opisano procesu rekrutacyjnego (etapy, zadania domowe)
- −Brak informacji o tym, czy to nowa rola, czy zastępstwo/rozszerzenie
Zespół stawia na innowacyjność i rozwój, z otwartą współpracą między Data Science a inżynierią. Oczekuje się proaktywności i gotowości do ciągłego ulepszania procesów MLOps.
Poniżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię MLOps.