Senior MLOps Engineer
Michael Page
Rola skupia się na budowaniu i ulepszaniu skalowalnych pipeline'ów MLOps i AI w produkcji. Będziesz tworzyć workflowy do adnotacji i ewaluacji modeli (Label Studio, Scale AI), rozwijać zestawy danych referencyjnych oraz optymalizować jakość, wydajność i koszty modeli. W praktyce to stanowisko łączy inżynierię ML z DevOps w chmurze (AWS, GCP) i wymaga programowania w Pythonie, integracji API oraz budowania rozwiązań typu 'model-as-a-judge' i PII scrubbing.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano widełek wynagrodzenia, brak opisu procesu rekrutacyjnego.
Rola skupia się na budowaniu i ulepszaniu skalowalnych pipeline'ów MLOps i AI w produkcji. Będziesz tworzyć workflowy do adnotacji i ewaluacji modeli (Label Studio, Scale AI), rozwijać zestawy danych referencyjnych oraz optymalizować jakość, wydajność i koszty modeli. W praktyce to stanowisko łączy inżynierię ML z DevOps w chmurze (AWS, GCP) i wymaga programowania w Pythonie, integracji API oraz budowania rozwiązań typu 'model-as-a-judge' i PII scrubbing.
- ✓Program akcji pracowniczych (stock options)
- ✓26 dni urlopu plus elastyczne święta
- ✓Dodatek wellness i płatny urlop rodzicielski
- ✓Stipend na home office, rozwój zawodowy i czesne
- ✓Platforma szkoleniowa i jasne ścieżki rozwoju
- !Brak konkretnych informacji o zespole (wielkość, struktura)
- !Praca poprzez agencję – nieznane warunki u klienta końcowego
- !Opis korpo-buzzwordowy, ale z konkretnymi zadaniami
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Budowanie i ulepszanie produkcyjnych pipeline'ów MLOps/AI
- •Tworzenie workflowów adnotacji i ewaluacji modeli z użyciem Label Studio i Scale AI
- •Opracowywanie zestawów danych referencyjnych (ground truth, golden sets)
- •Wdrażanie monitorowania modeli, wersjonowania i frameworków ewaluacyjnych
- •Implementacja rozwiązań 'model-as-a-judge' i scrubbing PII
- •Pisanie skryptów w Pythonie, API i integracji
- •Współpraca z zespołami Data Science, Engineering i DevOps
- •Integracja rozwiązań ML w środowiskach AWS i GCP
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z co najmniej 3-letnim doświadczeniem w MLOps, który potrafi samodzielnie budować pipeline'y i pracować z chmurą, ale może wymagać wsparcia przy bardziej zaawansowanych optymalizacjach.
Nie dla juniorów ani osób bez doświadczenia produkcyjnego w MLOps. Rola wymaga solidnej wiedzy o lifecycle'u modeli i chmurze – osoby z mniej niż 3 latami praktyki będą miały trudności.
- ?Jaka jest wielkość zespołu MLOps i z iloma modelami pracuje się na co dzień?
- ?Czy to nowa rola, czy zastępstwo? Jaki jest poziom dojrzałości MLOps w firmie?
- ?Jakie jest proporcje czasu poświęcanego na AWS vs GCP?
- ?Czy przewidziane są dyżury on-call? Jak często?
- ?Jak wygląda proces rekrutacji – ile etapów, czy jest zadanie domowe?
- ?Jaki jest budżet na narzędzia i infrastrukturę?
- −Nie podano widełek wynagrodzenia
- −Brak opisu procesu rekrutacyjnego
- −Nie wiadomo, czy praca jest na konkretnym projekcie, czy rotacyjnie
- −Brak informacji o wielkości zespołu i strukturze
W ogłoszeniu podkreślono pracę z utalentowanymi, współpracującymi i przyjaznymi ludźmi oraz wsparcie poprzez platformę szkoleniową. Atmosfera wydaje się wspierająca, ale brak konkretów.