MLOps Engineer [M/F]
⚲ Remote
28 560 - 33 600 PLN (B2B)
Wymagania
- Python
- Google cloud platform
Opis stanowiska
O projekcie:
Projekt zakłada budowę i rozwój nowoczesnej platformy MLOps opartej na Google Cloud Platform (Vertex AI), umożliwiającej szybkie, bezpieczne i zautomatyzowane wdrażanie modeli uczenia maszynowego do środowiska produkcyjnego. Osoba na tym stanowisku będzie odpowiadać za tworzenie skalowalnej infrastruktury obejmującej pipeline'y ML, Feature Store, procesy CI/CD oraz monitoring modeli i danych, zapewniając ich niezawodność oraz pełną odtwarzalność. Celem projektu jest zwiększenie dojrzałości organizacji w obszarze MLOps oraz stworzenie solidnych fundamentów pod rozwój zaawansowanych rozwiązań opartych na sztucznej inteligencji.
Wymagania:
- min. 5 lat doświadczenia na stanowisku MLOps Engineer, ML Engineer, Platform Engineer lub w obszarze Data Engineering/Infrastructure wspierającym środowiska Machine Learning,- bardzo dobra znajomość języka Python,- znajomość dobrych praktyk inżynierii oprogramowania, w tym:- testowania,- kontroli wersji (Git),- code review.- praktyczne doświadczenie z rozwiązaniami chmurowymi, preferencyjnie Google Cloud Platform oraz Vertex AI (Feature Store, Pipelines, Model Monitoring),- doświadczenie z Docker, Kubernetes, Terraform, narzędziami CI/CD (np. GitHub Actions, GitLab CI, Jenkins),- doświadczenie w monitorowaniu modeli ML, obserwowalności (Observability) oraz wykrywaniu driftu modeli i danych w środowiskach produkcyjnych.
Codzienne zadania:
- projektowanie, rozwój oraz utrzymanie powtarzalnych pipeline'ów treningowych i wdrożeniowych z wykorzystaniem Vertex AI (Pipelines, Model Registry, Endpoints),
- budowa i rozwój wspólnego Feature Store umożliwiającego ponowne wykorzystanie cech pomiędzy zespołami oraz zachowanie spójności pomiędzy treningiem i środowiskiem produkcyjnym,
- automatyzacja pełnego cyklu życia modeli ML, w tym procesów CI/CD, testowania oraz kontrolowanych wdrożeń,
- implementacja monitoringu modeli, jakości danych oraz wykrywania driftu modeli i danych wraz z alertowaniem powiązanym z wynikami biznesowymi,
- zarządzanie wersjonowaniem zbiorów danych i definicji cech w celu zapewnienia pełnej identyfikowalności (lineage) i odtwarzalności procesów ML,
- współpraca z zespołami Data Science oraz Cloud Engineering przy rozwoju i automatyzacji środowiska MLOps,
- wdrażanie dobrych praktyk z zakresu inżynierii oprogramowania, automatyzacji oraz niezawodności platform ML.
Projekt zakłada budowę i rozwój nowoczesnej platformy MLOps opartej na Google Cloud Platform (Vertex AI), umożliwiającej szybkie, bezpieczne i zautomatyzowane wdrażanie modeli uczenia maszynowego do środowiska produkcyjnego. Osoba na tym stanowisku będzie odpowiadać za tworzenie skalowalnej infrastruktury obejmującej pipeline'y ML, Feature Store, procesy CI/CD oraz monitoring modeli i danych, zapewniając ich niezawodność oraz pełną odtwarzalność. Celem projektu jest zwiększenie dojrzałości organizacji w obszarze MLOps oraz stworzenie solidnych fundamentów pod rozwój zaawansowanych rozwiązań opartych na sztucznej inteligencji.
Wymagania:
- min. 5 lat doświadczenia na stanowisku MLOps Engineer, ML Engineer, Platform Engineer lub w obszarze Data Engineering/Infrastructure wspierającym środowiska Machine Learning,- bardzo dobra znajomość języka Python,- znajomość dobrych praktyk inżynierii oprogramowania, w tym:- testowania,- kontroli wersji (Git),- code review.- praktyczne doświadczenie z rozwiązaniami chmurowymi, preferencyjnie Google Cloud Platform oraz Vertex AI (Feature Store, Pipelines, Model Monitoring),- doświadczenie z Docker, Kubernetes, Terraform, narzędziami CI/CD (np. GitHub Actions, GitLab CI, Jenkins),- doświadczenie w monitorowaniu modeli ML, obserwowalności (Observability) oraz wykrywaniu driftu modeli i danych w środowiskach produkcyjnych.
Codzienne zadania:
- projektowanie, rozwój oraz utrzymanie powtarzalnych pipeline'ów treningowych i wdrożeniowych z wykorzystaniem Vertex AI (Pipelines, Model Registry, Endpoints),
- budowa i rozwój wspólnego Feature Store umożliwiającego ponowne wykorzystanie cech pomiędzy zespołami oraz zachowanie spójności pomiędzy treningiem i środowiskiem produkcyjnym,
- automatyzacja pełnego cyklu życia modeli ML, w tym procesów CI/CD, testowania oraz kontrolowanych wdrożeń,
- implementacja monitoringu modeli, jakości danych oraz wykrywania driftu modeli i danych wraz z alertowaniem powiązanym z wynikami biznesowymi,
- zarządzanie wersjonowaniem zbiorów danych i definicji cech w celu zapewnienia pełnej identyfikowalności (lineage) i odtwarzalności procesów ML,
- współpraca z zespołami Data Science oraz Cloud Engineering przy rozwoju i automatyzacji środowiska MLOps,
- wdrażanie dobrych praktyk z zakresu inżynierii oprogramowania, automatyzacji oraz niezawodności platform ML.
🔍 Dekoder Ogłoszenia
🔴
budowa i rozwój nowoczesnej platformy MLOps
Może oznaczać zarówno tworzenie czegoś od zera, jak i rozbudowę istniejących, być może niedoskonałych rozwiązań.
🔴
zwiększenie dojrzałości organizacji w obszarze MLOps
Organizacja może być na wczesnym etapie rozwoju MLOps, co wiąże się z potencjalnymi wyzwaniami i brakiem ugruntowanych procesów.
🔴
min. 5 lat doświadczenia na stanowisku MLOps Engineer, ML Engineer, Platform Engineer lub w obszarze Data Engineering/Infrastructure wspierającym środowiska Machine Learning
Szeroki zakres dopuszczalnych doświadczeń może sugerować, że poszukują kandydata, który "pokryje" wiele ról, a niekoniecznie głębokiego specjalisty w MLOps.
🔴
projektowanie, rozwój oraz utrzymanie powtarzalnych pipeline'ów treningowych i wdrożeniowych
Choć brzmi to jak standardowe zadanie, "utrzymanie" może oznaczać naprawianie istniejących, problematycznych pipeline'ów, a nie tylko tworzenie nowych.