AWS Cloud Engineer (MLOps)
Experis Manpower Group
Rola koncentruje się na zarządzaniu cyklem życia modeli ML (od developmentu przez deployment po monitoring). Będziesz implementować MLOps (CI/CD, testowanie, monitorowanie) oraz budować rozproszone potoki przetwarzania Big Data w czasie rzeczywistym z użyciem Spark/Kafka na AWS. Współpracujesz z data scientistami, DevOps i IT. To nie jest rola pure cloud engineering, ale połączenie MLOps i data engineering z naciskiem na wydajność i niezawodność w produkcji.
Brakuje: brak informacji o wielkości zespołu, nie podano procesu rekrutacyjnego.
Rola koncentruje się na zarządzaniu cyklem życia modeli ML (od developmentu przez deployment po monitoring). Będziesz implementować MLOps (CI/CD, testowanie, monitorowanie) oraz budować rozproszone potoki przetwarzania Big Data w czasie rzeczywistym z użyciem Spark/Kafka na AWS. Współpracujesz z data scientistami, DevOps i IT. To nie jest rola pure cloud engineering, ale połączenie MLOps i data engineering z naciskiem na wydajność i niezawodność w produkcji.
- ✓Dostęp do platformy e-learningowej
- !Wymóg '10+ lat' może być przesadzony i służyć jako filtr – warto dopytać o akceptowalny poziom
- !Brak informacji o zespole i liczbie projektów
- !Hybryda tylko w wybranych miastach (Warszawa, Gdańsk, Gdynia, Łódź)
- •Wdrażanie modeli ML do produkcji na AWS z użyciem Docker/Kubernetes
- •Budowa i utrzymanie CI/CD dla pipeline'ów ML (MLOps)
- •Projektowanie i optymalizacja potoków przetwarzania danych (Spark, Kafka) w czasie rzeczywistym
- •Monitorowanie wydajności modeli i infrastruktury (monitoring, alertowanie)
- •Współpraca z data scientistami przy skalowaniu modeli do środowiska produkcyjnego
- •Automatyzacja procesów deploymentu i testowania modeli
- •Praca z dużymi zbiorami danych (strukturyzowane i niestrukturyzowane)
Oferta dla doświadczonych specjalistów (Senior).
Osoba z ok. 7-8 latami doświadczenia w chmurze AWS, która ma praktyczne umiejętności w MLOps i uruchamianiu modeli ML w produkcji, ale niekoniecznie 10 lat.
Osoby z mniej niż 5 latami doświadczenia w AWS lub bez praktyki z MLOps i deploymentem modeli ML – rola wymaga zaawansowanych umiejętności produkcyjnych.
- ?Ile osób liczy zespół MLOps/data engineering?
- ?Jakie narzędzia do monitorowania modeli i infrastruktury są używane?
- ?Czy istnieje dyżur on-call? Jak często?
- ?Jak wygląda proces rekrutacyjny (etapy, zadanie domowe)?
- ?Jaki jest główny stos technologiczny w chmurze (konkretne serwisy AWS)?
- ?Czy budżet szkoleniowy obejmuje certyfikacje AWS lub konferencje?
- ?Jakie są główne wyzwania techniczne w obecnym projekcie?
- −Brak informacji o wielkości zespołu
- −Nie podano procesu rekrutacyjnego
- −Brak informacji o dyżurach on-call
- −Nie wiadomo, czy praca dotyczy jednego projektu czy wielu
- −Brak specyfikacji konkretnych serwisów AWS (np. SageMaker, ECS, EKS)
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię AWS. Pełne statystyki zarobków →