AI Engineer Python / MLOps
Makeitright
Rola polega na budowie i utrzymaniu pipeline'ów MLOps dla modeli ML/AI w dużym banku. Praca obejmuje automatyzację CI/CD, monitorowanie modeli, skalowanie trenowania w chmurze (GCP) oraz współpracę z zespołami Data Science i DevOps. Mimo tytułu 'AI Engineer', głównym zadaniem jest MLOps – wdrażanie i monitorowanie modeli, a nie rozwijanie algorytmów.
Brakuje: nie podano procesu rekrutacyjnego, brak informacji o wielkości zespołu.
Rola polega na budowie i utrzymaniu pipeline'ów MLOps dla modeli ML/AI w dużym banku. Praca obejmuje automatyzację CI/CD, monitorowanie modeli, skalowanie trenowania w chmurze (GCP) oraz współpracę z zespołami Data Science i DevOps. Mimo tytułu 'AI Engineer', głównym zadaniem jest MLOps – wdrażanie i monitorowanie modeli, a nie rozwijanie algorytmów.
- ✓Możliwość pracy z najnowszymi technologiami AI/ML/Cloud
- ✓Strategiczny projekt dla dużego banku – stabilność i skala
- ✓Długofalowa współpraca (B2B)
- ✓Realny wpływ na wdrażanie nowoczesnych technologii
- −Niespójność między danymi strukturalnymi (tryb pracy: office) a opisem (hybryda – 4 dni zdalnie, 1 dzień w biurze) – konieczne wyjaśnienie
- −Brak informacji o procesie rekrutacyjnym
- −Brak opisu benefitów poza 'długofalową współpracą'
- !Poziom 'regular' w danych strukturalnych a wymagane 3–5 lat doświadczenia (wskazuje na mid/senior)
- !Szeroki zakres technologii – realny stack może być węższy
- !Praca dla banku – możliwa biurokracja i sztywne procesy
- •Projektowanie i utrzymanie pipeline'ów MLOps (trenowanie, wdrażanie, monitorowanie modeli)
- •Automatyzacja procesów CI/CD dla modeli ML
- •Skalowanie i optymalizacja trenowania modeli w środowisku chmurowym (GCP)
- •Monitorowanie jakości modeli, analiza model drift i planowanie retrainingu
- •Współpraca z Data Science, Software Engineering i DevOps nad rozwiązaniami AI
- •Udział w budowie skalowalnych rozwiązań AI dla sektora finansowego
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba z 3 latami doświadczenia, solidnym Pythonem, podstawami MLOps i gotowością do nauki GCP oraz Kubeflow/MLflow.
Juniorzy z mniej niż 3 latami doświadczenia, osoby niechętne do pracy z bankowymi procesami lub preferujące pracę w pełni zdalną (wg danych strukturalnych – stacjonarnie).
- ?Jaki jest tryb pracy – czy dane strukturalne (office) są aktualne, czy opis (hybryda) jest poprawny?
- ?Ile osób liczy zespół AI/ML i jakie są role w zespole?
- ?Jakie konkretnie narzędzia MLOps są używane (Kubeflow, MLflow, Vertex AI)?
- ?Czy są przewidziane dyżury on-call lub wsparcie produkcyjne?
- ?Jaki jest planowany czas trwania projektu?
- ?Czy istnieje budżet szkoleniowy na certyfikaty (np. GCP)?
- −Nie podano procesu rekrutacyjnego
- −Brak informacji o wielkości zespołu
- −Nie wiadomo czy praca jest na jednym projekcie czy rotacyjnie
- −Brak szczegółów o monitoringu i zarządzaniu cyklem życia modeli
Współpraca z Data Science, Software Engineering i DevOps – nastawiona na integrację i skalowanie rozwiązań AI
Powyżej mediany rynkowej
≈ 140,0–180,0 zł/h
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →