Staff Machine Learning Engineer
Grid Dynamics
To rola dla Staff Machine Learning Engineer, który będzie architektować i skalować produkcyjne systemy ML oparte na LLM-ach, budować agentowe frameworki z użyciem LangChain oraz zarządzać MLOps. Praca polega na łączeniu głębokiego ML z infrastrukturą chmurową (GCP, Kubernetes) i backendem (Kotlin). Produkt to platforma AI przekształcająca specyfikacje w modele wiedzy dla twórców oprogramowania. Nie jest to rola badawcza – nacisk na produkcję, skalowalność i automatyzację.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: widełki wynagrodzenia, liczba dni hybrydowych w biurze.
To rola dla Staff Machine Learning Engineer, który będzie architektować i skalować produkcyjne systemy ML oparte na LLM-ach, budować agentowe frameworki z użyciem LangChain oraz zarządzać MLOps. Praca polega na łączeniu głębokiego ML z infrastrukturą chmurową (GCP, Kubernetes) i backendem (Kotlin). Produkt to platforma AI przekształcająca specyfikacje w modele wiedzy dla twórców oprogramowania. Nie jest to rola badawcza – nacisk na produkcję, skalowalność i automatyzację.
- ✓Praca nad nowoczesnym, innowacyjnym produktem AI
- ✓Nowoczesny stack technologiczny (LLM, LangChain, GCP, Kubernetes, Kafka)
- ✓Możliwość wpływu na architekturę i rozwiązania techniczne
- ✓Firma notowana na giełdzie (NASDAQ) z globalnym zasięgiem
- −Rola realizowana przez firmę outsourcingową, co może wiązać się z mniejszą stabilnością i wpływem na produkt
- −Opis sugeruje intensywną pracę przy innowacyjnym projekcie – potencjalnie wysokie oczekiwania i presja czasu
- !Nie podano liczby dni hybrydowych w biurze
- !Brak szczegółów o zespole i procesie rekrutacyjnym
- !Staff-level, ale wymagania obejmują bardzo konkretny stack technologiczny – może to oznaczać wąski profil
- !Wiele technologii naraz – ryzyko rozmycia odpowiedzialności
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i wdrażanie agentowych frameworków z LangChain do przetwarzania języka naturalnego
- •Budowanie i utrzymanie pipeline'ów MLOps (CI/CD, wersjonowanie modeli, monitoring) z użyciem GitHub Actions
- •Deployowanie konteneryzowanych usług ML na Kubernetes w GCP
- •Integracja systemów ML z architekturą sterowaną zdarzeniami (Kafka) i bazami danych (Postgres)
- •Pisanie kodu Python do serwisów ML i orkiestracji, współpraca z backendem Kotlin
- •Monitorowanie wydajności modeli w produkcji i optymalizacja kosztów LLM
- •Projektowanie grafów wiedzy lub integracja z bazami grafowymi
- •Code review i mentoring młodszych inżynierów
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z 3-4 latami doświadczenia w ML, który ma już za sobą wdrożenie modeli do produkcji i zna podstawy MLOps. Osoba z dobrym Pythonem i otwartością na naukę chmury oraz agentów.
Osoby szukające wyłącznie pracy zdalnej (hybryda w Warszawie) lub badaczy ML bez zainteresowania infrastrukturą. Rola wymaga dużej samodzielności i gotowości do pracy z backendem i DevOps.
- ?Ile osób liczy zespół AI i jak są rozdzielone role?
- ?Czy projekt jest wewnętrzny, czy dla konkretnego klienta? Na jak długo?
- ?Ile dni w tygodniu wymaganych jest w biurze w Warszawie?
- ?Jak wygląda on-call i utrzymanie systemów produkcyjnych?
- ?Czy istnieje budżet na narzędzia/szkolenia? Jakie są możliwości rozwoju?
- ?Jaka jest przewidywana skala systemu (liczba użytkowników, zapytań)?
- ?Czy w projekcie używane są już konkretne narzędzia do agentów (LangChain, inny framework)?
- ?Jakie są główne wyzwania techniczne, z którymi mierzy się zespół?
- −Widełki wynagrodzenia
- −Liczba dni hybrydowych w biurze
- −Wielkość zespołu i struktura
- −Szczegółowy proces rekrutacyjny (etapy, czas)
Praca w dynamicznym, interdyscyplinarnym zespole z naciskiem na innowacje i samodzielność. Grid Dynamics to duża firma konsultingowa, więc kultura może różnić się w zależności od projektu.