MLOps Engineer

Dołącz do zespołu jako MLOps Engineer i miej kluczowy wpływ na projektowanie systemów Machine Learning. Stanowisko jest skierowane do osób z doświadczeniem w DevOps, Platform Engineering lub SRE, zaawansowaną znajomością Kubernetesa i Dockera oraz praktyką w narzędziach IaC. Istotna jest również swobodna obsługa infrastruktury sprzętowej CPU/TPU/GPU wspierającej obliczenia modeli AI.

Jeśli chcesz rozwijać się wśród ekspertów i ekspertek AI, doskonalić umiejętności i mieć realny wpływ na produkty używane przez globalne banki, ta oferta jest dla Ciebie.

Profil stanowiska

• 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 Terraform, oraz 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 Kubernetesa
• Umiejętność pisania skryptów i automatyzacji w Pythonie, Bashu lub HCL
• Rozumienie cyklu życia modeli ML i narzędzi do hostowania modeli; znajomość KServe, vLLM i NVIDIA Triton Inference Server będzie dodatkowym atutem
• Dobra znajomość języka angielskiego, minimum B2
• Umiejętność pracy w zespole, skuteczne zarządzanie czasem i priorytetami
• Analityczne myślenie i nastawienie na realizację celów
• Mile widziane doświadczenie z platformami MLOps, takimi jak Kubeflow i MLflow, oraz z narzędziami monitoringu: Prometheus, Grafana, ELK Stack i OpenTelemetry

Twoje zadania

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

Dla Ciebie

• Możliwość tworzenia funkcjonalności AI dla produktu używanego przez globalne banki
• Praca z najnowszymi narzędziami i możliwość eksperymentowania
• Dostęp do szkoleń, konferencji, wewnętrznych warsztatów oraz praca z ekspertami i ekspertkami AI i FinTech
• Model hybrydowy po okresie wdrożenia: 60% stacjonarnie, 40% zdalnie
• Prywatna opieka medyczna dla Ciebie i Twojej rodziny
• Możliwość udziału w akcjach i wydarzeniach promujących aktywny tryb życia
• Możliwość udziału w wydarzeniach sportowych, spotkaniach integracyjnych i akcjach społecznych