Inżynier MLOps

Inżynier MLOpsMiejsce pracy: KatowiceTechnologie, których używamyWymaganeTerraformGitLabJenkinsGitHubAWSMicrosoft AzureGoogle Cloud PlatformDockerKubernetesPythonBashKubeflowMLflowPrometheusGrafanaELK StackOpenTelemetryO projekcieDołącz do naszego zespołu na stanowisku Inżynier MLOps i stań się kluczowym architektem systemów Machine Learning Poszukujemy osoby z minimum 2-3 letnim doświadczeniem (DevOps, Platform Engineer lub SRE) z zaawansowaną znajomością Kubernetesa i Dockera, a także płynnie posługującą się narzędziami IaC. Bardzo ważna jest dla nas również zdolność do swobodnej obsługi instastruktury sprzętowej CPU/TPU/GPU wspierającej obliczeniowo modele AI.Jeśli chcesz rozwijać się wśród ekspertów AI, doskonalić swoje umiejętności i mieć realny wpływ na produkty używane przez globalne banki – dołącz do nasTwój zakres obowiązkówProjektowanie i budowa pipeline'ów CI/CD dla Machine Learningu, automatyzacja procesów testowania, trenowania, walidacji i wdrażania modeliZarządzanie infrastrukturą AI, budowa i utrzymanie skalowalnych środowisk do trenowania oraz serwowania modeli z wykorzystaniem Dockera i KubernetesDefiniowanie i zarządzanie zasobami chmurowymi za pomocą narzędzi takich jak Terraform lub CloudFormationTworzenie systemów do monitorowania wydajności modeli, wykrywania dryftu danych (data/concept drift) i alertowania w czasie rzeczywistym (np. przy użyciu Prometheus, Grafana)Wdrażanie narzędzi do wersjonowania modeli, danych i eksperymentów (np. MLflow, DVC)Bliska współpraca z ML Engineerami i Data Scientistami w celu definiowania najlepszych praktyk produkcyjnychNasze wymaganiaWykształcenie wyższe (preferowane informatyczne)Minimum 1-2 lata doświadczenia na stanowisku DevOps Engineer, Platform Engineer, SRE lub podobnymDoświadczenie z narzędziami Infrastructure as Code (IaC), zwłaszcza z 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 KubernetesUmiejętność pisania skryptów i automatyzacji w języku Python i/lub Bash czy HCLRozumienie cyklu życia modeli ML i narzędzi do hostowania modeli. Znajomość KServe, vLLM, NVIDIA Triton Inference Server będzie dodatkowym atutemDobra znajomość języka angielskiego (poziom min. B2)Umiejętność pracy w zespole i skuteczne zarządzanie czasem oraz priorytetamiAnalityczne myślenie i nastawienie na realizację celówMile widziane doświadczenie z dedykowanymi platformami MLOps (Kubeflow, MLflow) i/lub praktyka w pracy z narzędziami do monitoringu (Prometheus, Grafana, ELK Stack lub/i OpenTelemetry)Tak pracujemy nad projektemContinuous DeploymentContinuous IntegrationTo oferujemyMożliwość tworzenia funkcjonalności AI dla produktu używanego przez globalne bankiPracujemy z najnowszymi narzędziami i nie boimy się eksperymentowaćDostęp do szkoleń, konferencji, wewnętrznych warsztatów oraz praca z ekspertami w dziedzinie AI i FinTechPraca w modelu hybrydowym po okresie wdrożenia (60% stacjonarnie, 40% zdalnie)Dostęp do prywatnej opieki medycznej dla Ciebie i Twojej rodzinyMożliwość udziału w akcjach i wydarzeniach promujących aktywny tryb życiaMożliwość udziału w wydarzeniach sportowych, spotkaniach integracyjnych i akcjach społecznych – bo wspólnie możemy więcejBenefityelastyczny czas pracyspotkania integracyjnebrak dress code’ukawa / herbataparking dla pracownikówprogram rekomendacji pracownikówinicjatywy dobroczynne