Senior MLOps Engineer
⚲ Warszawa, Trójmiasto, Poznań, Wrocław, Kraków
Do uzgodnienia
Wymagania
- min. 5 lat praktycznego doświadczenia w projektowaniu, wdrażaniu i utrzymaniu produkcyjnych obciążeń ML w chmurze
- głęboka praktyczna znajomość Google Cloud Platform (Vertex AI, Cloud Storage, GKE, Cloud Run, konfiguracje IAM/VPC)
- biegłość w konteneryzacji (Docker, Kubernetes/GKE) oraz frameworkach serwowania modeli (np. Triton Inference Server, vLLM, MLflow)
- doświadczenie w budowie zautomatyzowanych, reprodukowalnych pipeline'ów CI/CD/CT (Airflow, Vertex AI Pipelines, GitHub Actions)
- doświadczenie w implementacji monitoringu systemowego i ML (latency, throughput, feature drift, prediction accuracy, data distribution shifts)
- doświadczenie w skalowaniu PoC i prototypów AI do produkcyjnych mikroserwisów
- praca zdalna z Polski, Ukrainy, Rumunii, Bułgarii, Łotwy, Litwy lub Estonii
Opis stanowiska
Point Wild, firma z branży cybersecurity, szuka Senior MLOps Engineera do budowania i utrzymywania infrastruktury, pipeline'ów i narzędzi MLOps na Google Cloud Platform, które umożliwiają wdrażanie, skalowanie i monitorowanie modeli AI w produkcji. Będziesz współpracować z AI Researcherami, Data Engineerami i zespołami backendowymi, przekształcając prototypy i notebooki w stabilne, skalowalne mikroserwisy oraz budując serwisy inferencyjne o wysokiej przepustowości i niskich opóźnieniach. To rola dla osoby, która samodzielnie tworzy infrastrukturę MLOps od podstaw i bierze pełną odpowiedzialność za cały cykl wdrożenia modeli — od przygotowania po monitoring dryftu i automatyczny retraining. Uwaga: firma sygnalizuje fazę intensywnego rozwoju ('Join us for the ride!'), co może oznaczać dynamiczne zmiany i szybkie tempo pracy.
🔍 Dekoder Ogłoszenia
🔴
architecting, building, and maintaining the infrastructure, pipelines, and tooling
Oczekuje się, że będziesz tworzyć i utrzymywać całą infrastrukturę MLOps od podstaw, co może oznaczać dużą odpowiedzialność i brak gotowych rozwiązań.
🔴
bridge the gap between experimentation and high-performance, enterprise-grade production systems
Twoja praca będzie polegać na przekształcaniu prototypów i eksperymentów w stabilne, skalowalne systemy produkcyjne, co może wymagać rozwiązywania złożonych problemów technicznych.
🔴
Own the end-to-end deployment lifecycle for machine learning models
Będziesz w pełni odpowiedzialny za cały proces wdrażania modeli ML, od przygotowania po monitorowanie w produkcji.
🔴
high-throughput, low-latency inference services
Oczekuje się, że będziesz optymalizować modele pod kątem szybkości i wydajności, co może być technicznym wyzwaniem.
🔴
Join us for the ride!
Sugeruje, że firma jest w fazie rozwoju i może to oznaczać dynamiczne zmiany, niepewność i potencjalnie szybkie tempo pracy.