ML Ops Engineer

• Pakiet benefitów (opieka medyczna, karta sportowa, ubezpieczenie na życie)
• Długofalowa współpraca
• Elastyczne godziny pracy, polska strefa czasowa

• Ponad 2 lata doświadczenia zawodowego w ML Ops, szczególnie w produkcyjnym wdrażaniu i skalowaniu modeli.
• Dobra znajomość środowiska Azure i Databricks, w tym ich konfiguracji i utrzymania jako platform ML.
• Zaawansowana znajomość Pythona, SQL i systemu kontroli wersji git; doświadczenie w budowie potoków danych i ML.
• Praktyka w stosowaniu dobrych praktyk programistycznych: testowanie, CI/CD, narzędzia DevOps.
• Zrozumienie cyklu życia projektów data science oraz sposobu pracy zespołów data science.
• Znajomość metodyk Agile (SCRUM, Kanban).
• Dbałość o jakość, czytelność i poprawność kodu.
• Biegła znajomość języka angielskiego w mowie i piśmie.

Obowiązki

• Optymalizowanie, standaryzowanie i wdrażanie rozwiązań data science oraz uczenia maszynowego na dużą skalę w środowiskach chmurowych (Azure).
• Uczestniczenie w pełnym cyklu życia projektów data science z wykorzystaniem DevOps, zarządzania kodem, eksperymentami i modelami, CI/CD oraz najlepszych praktyk branżowych.
• Pisanie dobrze zaprojektowanego, testowalnego i wydajnego kodu.
• Współpraca z zespołem inżynierskim w celu ciągłego usprawniania procesów pozyskiwania danych i wdrażania modeli w środowisku produkcyjnym.
• Projektowanie oraz prowadzenie monitoringu, diagnozowania błędów, debugowania i zarządzania incydentami w ramach potoków ML.
• Doradztwo i promowanie najlepszych praktyk ML Ops w zespole i wśród interesariuszy – od skalowania i wydajności, po infrastrukturę i strategie wdrożeń.