Senior AI Engineer
Procter & Gamble
To rola inżyniera MLOps/Data Engineering w globalnej korporacji FMCG. Mimo tytułu 'AI Engineer', realnym zadaniem jest operationalizacja i skalowanie produktów algorytmicznych - deployment modeli, budowa pipeline'ów ETL, automatyzacja infrastruktury w chmurze Azure z użyciem Databricks i Terraform. Rola wymaga ścisłej współpracy z data scientist, ale samodzielne tworzenie modeli AI nie jest głównym obowiązkiem. Praca w hybrydzie z biurem w Warszawie.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak informacji o liczbie dni hybrydowych w tygodniu, nie podano przedziału wynagrodzenia.
To rola MLOps/Data Engineer, a nie typowy AI Engineer. Rzeczywiste zadania koncentrują się na deployment, automatyzacji i infrastrukturze dla modeli, a nie na budowie algorytmów AI. Tytuł sugeruje tworzenie modeli, ale opis wskazuje na operacjonalizację produktów data science.
To rola inżyniera MLOps/Data Engineering w globalnej korporacji FMCG. Mimo tytułu 'AI Engineer', realnym zadaniem jest operationalizacja i skalowanie produktów algorytmicznych - deployment modeli, budowa pipeline'ów ETL, automatyzacja infrastruktury w chmurze Azure z użyciem Databricks i Terraform. Rola wymaga ścisłej współpracy z data scientist, ale samodzielne tworzenie modeli AI nie jest głównym obowiązkiem. Praca w hybrydzie z biurem w Warszawie.
- ✓Autonomia i odpowiedzialność od pierwszego dnia
- ✓Mentoring, certyfikacje (ITIL, DevOps, MS) i szkolenia
- ✓Praca w międzynarodowych, wielofunkcyjnych zespołach
- −Brak widełek wynagrodzenia – w korporacji często ukryte, ale warto dopytać
- −Potencjalnie duża biurokracja i procesy korporacyjne (P&G)
- !Nieokreślona liczba dni hybrydowych – biuro w Warszawie, ale nie wiadomo jak często
- !Wymagane 5+ lat, ale opis obowiązków sugeruje raczej senior mid – możliwy mismatch poziomu
- !Szeroki zakres technologii – może oznaczać konieczność szybkiego uczenia się wielu narzędzi
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i refaktoryzacja kodu Python/SQL dla pipeline'ów danych i produktów algorytmicznych
- •Budowa i utrzymanie CI/CD z użyciem GitHub Actions oraz automatyzacja infrastruktury (IaC) w Terraform
- •Deploy modeli ML na Azure, zarządzanie load balancing, autoscaling i bezpieczeństwem
- •Implementacja monitoringu i alertowania (np. Grafana, Kibana) dla środowisk produkcyjnych
- •Współpraca z data scientist przy proof-of-concept i ewaluacji nowych modeli
- •Tworzenie i utrzymanie bibliotek i narzędzi wielokrotnego użytku dla zespołów data science
- •Workshops/mentoring z zakresu DevOps, DataOps i MLOps dla innych członków zespołu
- •Udział w codziennych stand-upach i planowaniu sprintów w metodyce Agile
Oferta dla doświadczonych specjalistów (Senior).
Mid-level inżynier z 3-4 latami doświadczenia w Python/SQL, który ma styczność z Azure i CI/CD, ale wymaga wsparcia w bardziej zaawansowanych obszarach jak Terraform czy monitoring. Powinien mieć podstawy MLOps/DataOps i chęć rozwoju w stronę automatyzacji.
Juniorzy bez 5-letniego doświadczenia oraz osoby szukające pracy w pełni zdalnej (oferta hybrydowa z biurem w Warszawie). Również nie dla data scientist, którzy chcą głównie budować modele – tu nacisk na deployment i infrastrukturę.
- ?Ile dni w tygodniu w biurze w Warszawie obowiązuje?
- ?Jaki jest orientacyjny przedział wynagrodzenia dla tego stanowiska?
- ?Ile osób liczy zespół AI Engineering i jaka jest struktura (data scientists, infra)?
- ?Czy istnieje dyżur on-call? Jak często?
- ?Jakie produkty algorytmiczne są obecnie utrzymywane? Czy to projekty greenfield czy brownfield?
- ?Jaki jest proces awansu i podwyżek – regularne, oparte na wynikach?
- ?Czy istnieje możliwość pracy zdalnej w innych miastach lub okresowo z zagranicy?
- ?Jakie narzędzia do monitoringu i logowania są obecnie używane? Czy planowana jest zmiana?
- −Brak informacji o liczbie dni hybrydowych w tygodniu
- −Nie podano przedziału wynagrodzenia
- −Brak informacji o wielkości zespołu i bezpośrednim przełożonym
- −Nie wiadomo, czy wymagane jest portfolio/GitHub z przykładami kodu
Dynamiczne, ale ustrukturyzowane środowisko korporacyjne z naciskiem na współpracę, mentoring i ciągłe doskonalenie. Zespoły wielofunkcyjne, globalne.