MLOps & Cloud Platform Engineer
TUiR WARTA
Rola łączy MLOps z platform engineeringiem w firmie ubezpieczeniowej. Będziesz odpowiedzialny za budowę i utrzymanie infrastruktury do wdrażania i monitorowania rozwiązań ML/AI, w tym zarządzanie CI/CD, konteneryzacją (Openshift/OKD4) oraz narzędziami MLflow i Kubeflow. To stanowisko operacyjne i rozwojowe – nie data science ani czysty DevOps. Uwaga: strukturalnie wskazano pracę stacjonarną, ale w opisie pojawia się hybryda 1 dzień w tygodniu – warto to wyjaśnić.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: widełki wynagrodzenia, wielkość zespołu.
Rola łączy MLOps z platform engineeringiem w firmie ubezpieczeniowej. Będziesz odpowiedzialny za budowę i utrzymanie infrastruktury do wdrażania i monitorowania rozwiązań ML/AI, w tym zarządzanie CI/CD, konteneryzacją (Openshift/OKD4) oraz narzędziami MLflow i Kubeflow. To stanowisko operacyjne i rozwojowe – nie data science ani czysty DevOps. Uwaga: strukturalnie wskazano pracę stacjonarną, ale w opisie pojawia się hybryda 1 dzień w tygodniu – warto to wyjaśnić.
- ✓Budżet rozwojowy i czas na rozwój własnych pomysłów
- ✓Możliwość wpływu na wybór narzędzi i technologii
- ✓Stabilna organizacja w międzynarodowej grupie ubezpieczeniowej
- ✓Premia roczna obok wynagrodzenia podstawowego
- !Wymieniono zarówno Scrum jak i Waterfall – może wskazywać na mieszane podejście w organizacji
- !Wspomniano 'rozwijasz kilka projektów jednocześnie' – potencjalne wielozadaniowość
- !Opis hybrydy 1 dzień w tygodniu jest sprzeczny z danymi strukturalnymi (office) – warto potwierdzić rzeczywisty model
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Konfiguracja i rozwój narzędzi MLOps (MLflow)
- •Automatyzacja CI/CD z użyciem Jenkins, ArgoCD, GitLab
- •Utrzymanie i rozbudowa kodu Python
- •Zarządzanie platformą kontenerową Openshift/OKD4
- •Standaryzacja procesów wdrażania modeli ML
- •Troubleshooting środowisk produkcyjnych ML/AI
- •Optymalizacja rozwiązań ML/AI pod kątem wydajności i kosztów
- •Utrzymywanie dokumentacji proceduralnej i technicznej
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z min. 3 latami komercyjnymi w ML, solidnym Python, podstawami CI/CD i konteneryzacji, który jest gotowy rozwijać się w stronę MLOps i platform engineeringu.
Osoby bez doświadczenia w ML/AI infrastructure, czysto backendowi developerzy bez znajomości MLOps, ani juniorzy – rola wymaga samodzielności i eksperckiej wiedzy.
- ?Ile osób liczy zespół i jakie są role?
- ?Czy istnieje dyżur on-call? Jak często?
- ?Jaki jest stosunek pracy nad istniejącą infrastrukturą a nowymi projektami?
- ?Czy platforma kontenerowa to Openshift czy OKD4? Jaka jest skala klastra?
- ?Jakie są plany migracji lub modernizacji w najbliższym czasie?
- ?Czy model hybrydowy (1 dzień w biurze) jest obowiązkowy czy elastyczny?
- −Widełki wynagrodzenia
- −Wielkość zespołu
- −Czy przewidziane są dyżury on-call
- −Proces rekrutacyjny (etapy, zadanie domowe?)
Wewnątrz organizacji, współpraca z inżynierami i analitykami danych, wpływ na technologię, ale zależność od procesów (Scrum/Waterfall).