Lead ML Engineer/MLOPS

Praca dedykowana dla międzynarodowej firmy farmaceutycznej.

• Minimum 7-8 lat doświadczenia w Machine Learning Engineering / MLOps lub pokrewnym obszarze.
• Doświadczenie w roli Lead Engineera.
• Bardzo dobra znajomość języka Python oraz dobrych praktyk Software Engineering.
• Doświadczenie w projektowaniu, budowie i utrzymaniu produkcyjnych systemów Machine Learning.
• Praktyczne doświadczenie z AWS (preferowane AWS SageMaker).
• Znajomość praktyk MLOps i narzędzi takich jak MLflow i GitLab CI/CD.
• Umiejętność projektowania rozwiązań ML oraz pipeline'ów danych.
• Samodzielność w podejmowaniu decyzji technicznych i braniu odpowiedzialności.
• Definiowanie standardów technicznych i najlepszych praktyk dla zespołów inżynierskich.
• Umiejętność komunikowania decyzji technicznych zespołom i interesariuszom biznesowym.
• Znajomość języka angielskiego na poziomie min. B2/C1.

• Pełnienie roli Leada oraz odpowiedzialność za architekturę i rozwój produkcyjnego systemu rekomendacyjnego.
• Podejmowanie kluczowych decyzji technicznych dotyczących architektury, narzędzi i wdrażania rozwiązań Machine Learning.
• Projektowanie i rozwój skalowalnych, niezawodnych pipeline'ów Machine Learning.
• Budowa i rozwój procesów MLOps z wykorzystaniem GitLab CI/CD oraz MLflow.
• Wdrażanie modeli Machine Learning do środowiska produkcyjnego z użyciem AWS SageMaker.
• Odpowiedzialność za jakość, stabilność, skalowalność oraz maintainability rozwiązań ML.
• Definiowanie oraz rozwijanie standardów inżynierskich i najlepszych praktyk dla produkcyjnych systemów Machine Learning.
• Identyfikowanie ryzyk technicznych i proponowanie usprawnień architektonicznych.
• Współpraca z Data Scientistami przy przekształcaniu modeli eksperymentalnych w stabilne rozwiązania produkcyjne.
• Aktywny mentoring i wsparcie techniczne dla Data Scientistów, Data Engineerów i MLOps Engineerów.
• Przegląd i opiniowanie rozwiązań technicznych i architektonicznych tworzone przez zespół.
• Współpraca z Product Managerami i interesariuszami biznesowymi w przekładaniu potrzeb na rozwiązania techniczne.
• Identyfikowanie i wdrażanie nowych technologii zwiększających efektywność platform Machine Learning.