MLOPS

Dołączysz do interdyscyplinarnego środowiska, w którym na co dzień będziesz współpracować z Ekspertami ML oraz Data Scientistami budującymi prototypy i docelowe modele.

• Co najmniej 3 lata komercyjnej pracy w obszarze Machine Learning/DevOps lub MLOps.
• Bardzo dobra, co najmniej 3-letnia praktyka w programowaniu w języku Python (preferowane środowisko projektów ML).
• Praktyczna wiedza z zakresu projektowania architektury pod wdrożenia modeli (zarządzanie przepływem danych, skalowalność, cykl życia modeli).
• Doświadczenie w zarządzaniu samodzielnie hostowanymi (self-hosted) rozwiązaniami klasy MLOps (MLflow, Kubeflow lub pokrewne).
• Biegłość w pracy z Dockerem, platformami kontenerowymi (Kubernetes, OpenShift/OKD4) oraz narzędziami automatyzacji wdrożeń (Jenkins, GitLab CI, Argo CD).
• Doświadczenie w pracy z dużymi wolumenami danych (huge datasets) oraz rozwiązaniami z zakresu przetwarzania języka naturalnego (NLP).
• Umiejętność identyfikowania potrzeb użytkowników i przekładania ich na praktyczne zastosowania zaawansowanej analityki oraz sztucznej inteligencji.

• Rozwój i konfiguracja ekosystemu narzędzi MLOps (ze szczególnym uwzględnieniem MLflow).
• Automatyzacja pipeline'ów CI/CD i cyklu życia modeli maszynowych (Jenkins, MLflow).
• Utrzymanie, refaktoryzacja oraz rozbudowa produkcyjnej bazy kodu napisanej w języku Python.
• Zarządzanie platformą orkiestracji kontenerów (OpenShift, OKD4) i standaryzacja procesów produkcyjnego wdrażania modeli.
• Diagnostyka, optymalizacja oraz troubleshooting środowisk produkcyjnych pod kątem wydajności rozwiązań ML/AI.
• Wdrażanie standardów bezpieczeństwa, governance oraz zapewnianie zgodności regulacyjnej systemów AI/ML.
• Ścisła współpraca z Data Scientistami, Inżynierami ML oraz Analitykami przy przekształcaniu prototypów w produkcyjne serwisy.
• Wsparcie analityczno-techniczne przy nowych projektach oraz tworzenie spójnej dokumentacji technicznej i procesowej.