MLOPS
Summary
MLOps engineer in Warsaw working alongside ML experts and data scientists: building infrastructure for model deployment (data flow, scalability, model lifecycle), managing self-hosted MLOps tooling like MLflow and Kubeflow, and automating CI/CD with Docker, Kubernetes/OpenShift, Jenkins, GitLab CI and Argo CD, with a focus on large datasets and NLP.
Dołączysz do interdyscyplinarnego środowiska, w którym na co dzień będziesz współpracować z Ekspertami ML oraz Data Scientistami budującymi prototypy i docelowe modele. W obszarze integracji i płynnego wejścia w projekt nie zostaniesz sam – możesz liczyć na pełne wsparcie i ścisłą współpracę z naszymi specjalistami z pogranicza DevOps i MLOps.
Nasze wymagania
- Doświadczenie: Co najmniej 3 lata komercyjnej pracy w obszarze Machine Learning/Devops lub MLOps.
- Python: Bardzo dobra, co najmniej 3-letnia praktyka w programowaniu w języku Python (preferowane środowisko projektów ML).
- Infrastruktura ML: Praktyczna wiedza z zakresu projektowania architektury pod wdrożenia modeli (zarządzanie przepływem danych, skalowalność, cykl życia modeli).
- Narzędzia MLOps: Doświadczenie w zarządzaniu samodzielnie hostowanymi (self-hosted) rozwiązaniami klasy MLOps (MLflow, Kubeflow lub pokrewne).
- CI/CD & Konteneryzacja: Biegłość w pracy z Dockerem, platformami kontenerowymi (Kubernetes, OpenShift/OKD4) oraz narzędziami automatyzacji wdrożeń (Jenkins, GitLab CI, Argo CD).
- Dane & NLP: Doświadczenie w pracy z dużymi wolumenami danych (huge datasets) oraz rozwiązaniami z zakresu przetwarzania języka naturalnego (NLP).
- Podejście biznesowe: Umiejętność identyfikowania potrzeb użytkowników i przekładania ich na praktyczne zastosowania zaawansowanej analityki oraz sztucznej inteligencji.
Nie masz odhaczonych wszystkich punktów z listy? Nic nie szkodzi! Nawet jeśli nie spełniasz w 100% każdego z powyższych wymagań, ale posiadasz solidne podstawy, znasz specyfikę obszaru ML i chcesz się rozwijać – gorąco zachęcamy do przesłania CV.