MLOps Engineer

Firma oferuje stanowisko MLOps Engineer do pracy nad systemami Machine Learning dla produktu używanego przez globalne banki.

• Wykształcenie wyższe (preferowane informatyczne)
• Minimum 1-2 lata doświadczenia na stanowisku DevOps Engineer, Platform Engineer, SRE lub podobnym
• Doświadczenie z narzędziami Infrastructure as Code (IaC), zwłaszcza z Terraform
• Doświadczenie w budowaniu i zarządzaniu pipeline'ami CI/CD (np. GitLab CI, Jenkins, GitHub Actions)
• Dobra znajomość co najmniej jednego dostawcy chmury publicznej (AWS, Azure lub GCP)
• Praktyczna, zaawansowana znajomość Dockera i Kubernetes
• Umiejętność pisania skryptów i automatyzacji w języku Python i/lub Bash czy HCL
• Rozumienie cyklu życia modeli ML i narzędzi do hostowania modeli (znajomość KServe, vLLM, NVIDIA Triton Inference Server będzie dodatkowym atutem)
• Dobra znajomość języka angielskiego (poziom min. B2)
• Umiejętność pracy w zespole oraz zarządzania czasem i priorytetami
• Analityczne myślenie i nastawienie na realizację celów

Nice to have:

• Doświadczenie z dedykowanymi platformami MLOps (Kubeflow, MLflow)
• Praktyka w pracy z narzędziami do monitoringu (Prometheus, Grafana, ELK Stack, OpenTelemetry)

• Projektowanie i budowa pipeline'ów CI/CD dla Machine Learningu, automatyzacja procesów testowania, trenowania, walidacji i wdrażania modeli
• Zarządzanie infrastrukturą AI, budowa i utrzymanie skalowalnych środowisk do trenowania oraz serwowania modeli z wykorzystaniem Dockera i Kubernetes
• Definiowanie i zarządzanie zasobami chmurowymi za pomocą narzędzi takich jak Terraform lub CloudFormation
• Tworzenie systemów do monitorowania wydajności modeli, wykrywania dryftu danych i alertowania w czasie rzeczywistym (np. przy użyciu Prometheus, Grafana)
• Wdrażanie narzędzi do wersjonowania modeli, danych i eksperymentów (np. MLflow, DVC)
• Bliska współpraca z ML Engineerami i Data Scientistami w celu definiowania najlepszych praktyk produkcyjnych