1225 - 405PIC | Inżynier MLOps

Poszukujemy Inżyniera MLOps, który interesuje się automatyzacją, przetwarzaniem w chmurze i efektywnym wdrażaniem inteligentnych platform. Jeśli motywuje Cię ulepszanie środowisk produkcyjnych, gwarantowanie skalowalnych i niezawodnych systemów oraz praca z najnowocześniejszymi technologiami w zakresie uczenia maszynowego, agentów AI i obserwowalności, ta szansa jest dla Ciebie.🚀 Jaka będzie Twoja rola? Jako inżynier MLOps będziesz odpowiedzialny za połączenie świata danych i ML z infrastrukturą i działaniem w środowisku produkcyjnym, zapewniając niezawodne i wydajne działanie modeli i agentów.

Do Twoich głównych obowiązków należeć będzie: Projektowanie, wdrażanie i obsługa skalowalnych infrastruktur chmurowych w AWS, GCP lub Azure, ukierunkowanych na obciążenia danymi i ML. Automatyzuj infrastruktury i wdrożenia za pomocą Terraform, Ansible, Helm i Kubernetes. Twórz i utrzymuj potoki CI/CD w celu ciągłego wdrażania modeli, agentów AI i platform obserwowalności.

Zarządzaj kontenerami i orkiestracją za pomocą Dockera i Kubernetesa (EKS), integrując dane, sztuczną inteligencję i usługi zaplecza. Twórz i utrzymuj powtarzalne potoki uczenia, walidacji i wnioskowania (Airflow, MLflow, DVC, Spark). Wdrażaj i optymalizuj rozwiązania do monitorowania, logowania i obserwowalności (Prometheus, Grafana, ELK/EFK, OpenTelemetry).

Zapewnij bezpieczeństwo, dostępność i odporność platform chmurowych. Zintegruj pełny cykl Data → ML → Wdrożenie → Monitorowanie, ściśle współpracując z zespołami Data, ML, DevOps i Backend. Współpracuj z zespołami uczenia maszynowego, aby pakować i wprowadzać modele i agentów AI do produkcji.

(Advanced Plus) Weź udział w projektowaniu hybrydowych potoków, które łączą tradycyjne ML, generatywną sztuczną inteligencję i agentów opartych na LLM (LangChain, LangGraph, CrewAI). 🎯 Wymagania Poszukujemy osoby z: Wykształceniem w zakresie inżynierii komputerowej, oprogramowania, telekomunikacji lub dyscyplin pokrewnych. Ponad 3 lata doświadczenia w automatyzacji, wdrażaniu lub zarządzaniu infrastrukturą chmurową. Duże doświadczenie w infrastrukturze takiej jak kod i automatyzacja (Terraform, Helm, Ansible).

Zaawansowana znajomość Linuksa, sieci i systemów rozproszonych. Praktyczne doświadczenie w potokach CI/CD (GitLab CI, Jenkins, ArgoCD, FluxCD). Znajomość Dockera i Kubernetesa.

Doświadczenie z narzędziami do zarządzania modelami i danymi, takimi jak MLflow, DVC lub Vertex AI. Znajomość monitorowania, rejestrowania i obserwowalności. Doświadczenie z bazami danych SQL i NoSQL (PostgreSQL, TimescaleDB, MongoDB).

Możliwość diagnozowania i rozwiązywania incydentów w środowiskach produkcyjnych o dużym natężeniu ruchu, optymalizując koszty i wydajność. Dobre umiejętności komunikacji i pracy zespołowej w środowiskach multidyscyplinarnych. 🌟 Szczególnie cenimy, jeśli masz również doświadczenie z systemami przesyłania wiadomości i przesyłania strumieniowego, takimi jak Kafka, Redpanda czy Benthos. Znajomość architektur bezserwerowych i sterowanych zdarzeniami (AWS Lambda, SNS/SQS).

Doświadczenie w zakresie zaawansowanych wskaźników obserwowalności i wydajności modeli. Znajomość praktyk SRE (Site Reliability Engineering). Doświadczenie z nowoczesnymi platformami MLOps (Kubeflow, MLflow).

Znajomość zautomatyzowanych wdrożeń i dobrych praktyk DevOps. Znajomość infrastruktury generatywnej AI (GPU, zoptymalizowane kontenery, obsługa RAG). Zaawansowany techniczny angielski w mowie i piśmie, umożliwiający współpracę z międzynarodowymi zespołami i partnerami.

Pierwotnie opublikowany w Himalajach