MLOps Section Manager (m/f/d)
KRUK
To rola kierownicza w dziale Data Science w dużej firmie windykacyjnej (KRUK). Będziesz zarządzał zespołem MLOps, odpowiedzialnym za operacjonalizację modeli ML: od wdrożenia na platformie Databricks (Azure) po utrzymanie istniejących procesów (MSSQL, mlflow, GitLab, Docker, Python/R). Twoim głównym zadaniem jest poprowadzenie zespołu przez transformację do chmury, zapewnienie skalowalności i automatyzacji pipeline'ów ML oraz integracja z systemami enterprise. Rola łączy zarządzanie ludźmi z głęboką wiedzą techniczną w Databricks i MLOps.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak widełek wynagrodzenia, brak szczegółów procesu rekrutacyjnego (etapy, zadanie domowe, itp.).
To rola kierownicza w dziale Data Science w dużej firmie windykacyjnej (KRUK). Będziesz zarządzał zespołem MLOps, odpowiedzialnym za operacjonalizację modeli ML: od wdrożenia na platformie Databricks (Azure) po utrzymanie istniejących procesów (MSSQL, mlflow, GitLab, Docker, Python/R). Twoim głównym zadaniem jest poprowadzenie zespołu przez transformację do chmury, zapewnienie skalowalności i automatyzacji pipeline'ów ML oraz integracja z systemami enterprise. Rola łączy zarządzanie ludźmi z głęboką wiedzą techniczną w Databricks i MLOps.
- ✓Praca w dużej, stabilnej firmie (501+ pracowników)
- ✓Jasno sprecyzowane oczekiwania techniczne
- ✓Możliwość wpływu na architekturę MLOps i transformację
- !Wspomniana 'transformacja' może oznaczać okresowy chaos i konieczność utrzymania legacy
- !Brak informacji o wielkości zespołu i procesie rekrutacyjnym
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Kierowanie zespołem MLOps: planowanie zadań, rozwój kompetencji, ocena wyników
- •Projektowanie i wdrażanie CI/CD dla modeli ML z wykorzystaniem GitLab i Databricks
- •Konfiguracja i utrzymanie środowiska Databricks: MLFlow, Feature Store, Unity Catalog
- •Integracja model serving endpoints z systemami enterprise (Kong, Grafana, Nexus)
- •Optymalizacja kodu Spark/Python/Scala/SQL dla wydajności i kosztów
- •Wsparcie zespołów Data Science w lifecycle'u modeli: od developmentu do produkcji
- •Utrzymanie i migracja istniejących procesów MLOps (legacy) na nową platformę
- •Monitorowanie i raportowanie postępów transformacji oraz kosztów chmury
Stanowisko liderskie — wymaga zarówno doświadczenia technicznego jak i umiejętności zarządzania.
Senior MLOps Engineer (4-5+ lat) z pierwszym doświadczeniem w zarządzaniu małym zespołem, który jest gotowy rozwinąć się w kierunku pełnoprawnego menedżera. Musi mieć praktyczną wiedzę o Databricks i MLOps.
Juniors, osoby szukające czysto technicznej roli bez zarządzania, oraz osoby, które nie akceptują pracy hybrydowej we Wrocławiu. Rola nie jest odpowiednia dla kogoś, kto nie chce pracować z legacy systemami.
- ?Ile osób liczy zespół MLOps i jaka jest struktura (jacy specjaliści)?
- ?Jakie są główne wyzwania w utrzymaniu obecnych procesów MLOps (legacy)?
- ?Jaki jest harmonogram migracji na Databricks i jakie są kamienie milowe?
- ?Czy rola jest bardziej managerska czy techniczna? Jaki procent czasu poświęcę na kodowanie?
- ?Jakie są oczekiwania co do dyżurów (on-call) i jakie procedury awaryjne?
- ?Czy istnieje budżet na szkolenia i certyfikacje?
- ?Jak mierzony jest sukces na tym stanowisku (KPI)?
- −Brak widełek wynagrodzenia
- −Brak szczegółów procesu rekrutacyjnego (etapy, zadanie domowe, itp.)
- −Nie podano liczby dni w biurze dla trybu hybrydowego
- −Brak informacji o wielkości zespołu
Zespół jest w trakcie transformacji, co sugeruje dynamiczne środowisko. Wspomniano o wsparciu i rozwoju kompetencji, ale brak konkretnych informacji o kulturze.