MLOps – oferty pracy

MLOps (Machine Learning Operations) przenosi praktyki DevOps na modele uczenia maszynowego. Inżynier MLOps buduje platformę, na której data scientists i inżynierowie ML trenują, wersjonują i wdrażają modele: pipeline'y treningowe, rejestr modeli, udostępnianie predykcji przez API i monitoring, który wychwyci, że model zaczął się mylić, bo zmieniły się dane.

Codzienne narzędzia to Kubernetes, Docker, MLflow lub Kubeflow, usługi ML w chmurze, takie jak Azure Machine Learning, Amazon SageMaker czy Vertex AI, oraz Python. Nowym obszarem jest uruchamianie dużych modeli językowych na własnych kartach graficznych i kontrola kosztów takiej infrastruktury. Ta rola stoi między DevOps a uczeniem maszynowym: wymaga znajomości infrastruktury i rozumienia, jak powstaje model, choć samego modelu zwykle nie projektuje. Bez tej pracy model często zostaje w notatniku data scientista i nie trafia do użytkowników.