MLOps Engineer (Mid/Regular) -- Medical AI & R&D
Invicta
Rola MLOps Engineer w firmie medycznej tworzącej rozwiązania AI. Odpowiadasz za budowę i utrzymanie pipeline'ów ML, automatyzację CI/CD, wersjonowanie modeli, monitorowanie produkcji. Współpracujesz z Data Scientistami i Data Engineerami. To rola na styku ML i inżynierii produkcyjnej - nie Data Scientist ani czysty DevOps.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu, brak opisu procesu rekrutacyjnego.
Rola MLOps Engineer w firmie medycznej tworzącej rozwiązania AI. Odpowiadasz za budowę i utrzymanie pipeline'ów ML, automatyzację CI/CD, wersjonowanie modeli, monitorowanie produkcji. Współpracujesz z Data Scientistami i Data Engineerami. To rola na styku ML i inżynierii produkcyjnej - nie Data Scientist ani czysty DevOps.
- ✓Realny wpływ na sposób budowania AI w organizacji
- ✓Krótka ścieżka decyzyjna i możliwość proponowania własnych standardów
- ✓Projekty medyczne o bezpośrednim przełożeniu na jakość usług
- ✓Szeroki zakres narzędzi MLOps w ofercie (Docker, K8s, MLflow, Airflow, FastAPI)
- ✓Praca w obszarze LLM/GenAI jako dodatkowy atut
- !Sprzeczność między danymi strukturalnymi (office) a opisem (zdalnie/hybrydowo) – wyjaśnienie wymagane
- !Benefity dostępne dopiero po okresie próbnym
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie, rozwój i utrzymanie pipeline'ów ML (trenowanie, testowanie, wdrażanie, monitorowanie)
- •Współpraca z Data Scientistami przy przenoszeniu modeli z eksperymentu do produkcji
- •Automatyzacja procesów CI/CD dla rozwiązań ML
- •Budowa środowisk do wersjonowania modeli, danych i eksperymentów
- •Tworzenie i utrzymanie API/usług udostępniających modele
- •Monitorowanie jakości predykcji, wydajności, dostępności i driftu danych w produkcji
- •Standaryzacja dobrych praktyk wdrożeniowych, bezpieczeństwa, testowania i dokumentacji
- •Udział w rozwoju rozwiązań AI/LLM od strony wdrożeniowej i operacyjnej
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z dokładnie 3 latami doświadczenia w MLOps, która ma solidne podstawy w Pythonie i jednym narzędziu MLOps, np. Docker + FastAPI, i uczestniczyła we wdrożeniu co najmniej jednego modelu do produkcji.
Osoby z mniej niż 2 latami doświadczenia komercyjnego lub bez doświadczenia produkcyjnego z ML. Nie dla Data Scientistów, którzy nie chcą zajmować się infrastrukturą i CI/CD.
- ?Ile osób liczy zespół MLOps/Data Science?
- ?Jaka konkretna platforma chmurowa jest używana (np. AWS, Azure, GCP)?
- ?Czy obowiązuje dyżur on-call? Jak często?
- ?Na jakim etapie jest obecnie infrastruktura MLOps – czy budujemy od zera, czy rozwijamy istniejącą?
- ?Jaki jest proces rekrutacyjny (etapy, zadanie domowe)?
- ?Czy istnieje budżet szkoleniowy na konferencje lub certyfikaty?
- −Nie podano wielkości zespołu
- −Brak opisu procesu rekrutacyjnego
- −Nie określono konkretnej platformy chmurowej
- −Brak informacji o on-call lub dyżurach
Duża samodzielność, krótka ścieżka decyzyjna, możliwość proponowania własnych standardów technicznych. Praca w zespole medycznym o wysokim znaczeniu biznesowym.