Senior MLOps Engineer – AI Infrastructure & Pipelines
ITDS Polska Sp. z o.o.
Rola polega na budowaniu i utrzymaniu infrastruktury MLOps dla klienta z sektora finansowego. Będziesz odpowiedzialny za automatyzację pipeline'ów CI/CD dla modeli ML, zarządzanie chmurą (AWS/Azure/GCP), monitorowanie modeli w produkcji oraz współpracę z data scientistami. To typowa rola MLOps – łączysz DevOps z ML, nie tworzysz modeli, tylko dbasz o ich wdrożenie i stabilność.
Brakuje: nie podano liczby dni hybrydowych w tygodniu, brak informacji o wielkości zespołu i struktury projektu.
Rola polega na budowaniu i utrzymaniu infrastruktury MLOps dla klienta z sektora finansowego. Będziesz odpowiedzialny za automatyzację pipeline'ów CI/CD dla modeli ML, zarządzanie chmurą (AWS/Azure/GCP), monitorowanie modeli w produkcji oraz współpracę z data scientistami. To typowa rola MLOps – łączysz DevOps z ML, nie tworzysz modeli, tylko dbasz o ich wdrożenie i stabilność.
- ✓Długoterminowa współpraca z jasno określonymi projektami strategicznymi
- ✓Dostęp do Pluralsight – platformy szkoleniowej
- ✓Udział w Social Events i praca w międzynarodowym środowisku
- ✓Elastyczne godziny pracy
- −Outsourcing do klienta z sektora finansowego – możliwa biurokracja i długie procesy decyzyjne
- −Brak informacji o on-call lub dyżurach produkcyjnych
- −Wymóg pracy u klienta (at the client's site) – może oznaczać częstą obecność w biurze
- !Hybrydowy model pracy, ale nie określono liczby dni w biurze
- !Firma jest consultingiem/outsourcingiem – możliwe rotacje między projektami
- !Brak informacji o wielkości zespołu i struktury projektu
- •Projektowanie i utrzymanie CI/CD pipeline'ów dla modeli ML w Jenkins/GitLab CI
- •Automatyzacja deploymentu, testowania i monitorowania rozwiązań AI w środowisku produkcyjnym
- •Zarządzanie infrastrukturą chmurową (AWS, Azure, GCP) i optymalizacja zasobów dla obciążeń ML
- •Implementacja monitorowania modeli i śledzenia wydajności za pomocą MLflow, Prometheus, Grafana
- •Współpraca z data scientistami w celu zapewnienia powtarzalności i skalowalności eksperymentów
- •Rozwiązywanie problemów produkcyjnych i zapewnienie ciągłości działania systemów
- •Dokumentowanie workflow'ów, procesów i konfiguracji infrastruktury
- •Stosowanie best practices bezpieczeństwa, zgodności i zarządzania danymi w pipeline'ach AI
Oferta dla doświadczonych specjalistów (Senior).
Około 4 lat doświadczenia w MLOps lub pokrewnej roli, z praktyczną znajomością Pythona, Dockera, Kubernetes i jednej z chmur. Potrafi samodzielnie projektować CI/CD dla ML i radzić sobie z monitoringiem. Brak certyfikatów nie jest blokadą.
Nie dla juniorów – wymagane minimum 4 lata specyficznego doświadczenia. Nie dla osób szukających pracy w pełni zdalnej (hybrid model). Nie dla osób, które nie znają angielskiego na poziomie komunikatywnym.
- ?Ile dni w tygodniu trzeba być w biurze w Warszawie?
- ?Czy są dyżury on-call? Jak są wynagradzane?
- ?Ile osób liczy zespół MLOps / AI Infrastructure?
- ?Jaki jest konkretny stos technologiczny u klienta – czy różni się od wymienionego w ogłoszeniu?
- ?Czy projekt jest już na produkcji, czy dopiero startuje?
- ?Jak wygląda proces rekrutacji – czy jest zadanie domowe, live coding?
- ?Jaki jest zakres odpowiedzialności – czy będziesz mieć wpływ na wybór narzędzi?
- ?Czy praca u klienta wiąże się z dodatkowymi benefitami?
- −Nie podano liczby dni hybrydowych w tygodniu
- −Brak informacji o wielkości zespołu i struktury projektu
- −Nie wiadomo czy są dyżury on-call i jak są wynagradzane
- −Brak opisu procesu rekrutacyjnego poza dwoma rozmowami online
- −Nie określono budżetu szkoleniowego poza Pluralsight
Agile i Scrum – współpraca z data scientistami i innymi inżynierami w zespole cross-funkcyjnym. Praca u klienta finansowego sugeruje profesjonalną, ale formalną atmosferę.
Dwa etapy: online interview i kolejne online interview. Brak informacji o zadaniu domowym lub live codingu.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →