Machine Learning Engineer - MLOPS Engineer (AWS)
SQUARE ONE RESOURCES sp. z o.o.
⚲ Warszawa, Mokotów
140–170 zł netto (+ VAT) / godz.
Wymagania
- MLOps
- Python
- AWS Sagemaker
Opis stanowiska
Nasze wymagania:
Min. 5+ lat doświadczenia w roli Machine Learning Engineer / MLOps Engineer / ML Engineer
Bardzo dobra znajomość Pythona i ekosystemu data science
Doświadczenie w budowie i wdrażaniu modeli ML do produkcji
Praktyczne doświadczenie z AWS SageMaker
Znajomość co najmniej jednego frameworka deep learning (TensorFlow lub PyTorch)
Doświadczenie w MLOps: MLflow (tracking, model registry)
Doświadczenie w CI/CD (GitLab CI/CD)
Umiejętność projektowania i opisywania architektury systemów ML
Doświadczenie w pracy z systemami chmurowymi (preferowany AWS)
Doświadczenie we współpracy z Data Science / Data Engineering zespołami
O projekcie:
Szukamy dwóch doświadczonych ML Engineerów, którzy dołączą do zespołu rozwijającego globalnie wdrożony system rekomendacyjny. System już dziś generuje istotną wartość biznesową w wielu krajach, a teraz wchodzimy w etap jego dalszej ewolucji i profesjonalizacji w obszarze MLOps i skalowania.
Zakres obowiązków:
Projektowanie i rozwój architektury produkcyjnego systemu rekomendacyjnego
Budowa i rozwój standardów MLOps w organizacji
Tworzenie i optymalizacja pipeline’ów CI/CD w GitLab
Implementacja i rozwój procesu MLflow (tracking eksperymentów, wersjonowanie modeli)
Wdrażanie modeli ML do produkcji na AWS SageMaker
Współpraca z Data Scientistami w zakresie produkcjonalizacji modeli
Budowa rozwiązań zapewniających monitoring, obserwowalność i niezawodność modeli
Aktywne programowanie w Pythonie (data/ML infrastructure, deployment, pipelines)
Mentoring i wsparcie techniczne dla Data Scientistów i inżynierów
Współpraca z Product Ownerami i stakeholderami biznesowymi
Oferujemy:
Praca w pełni zdalnie
Zatrudnienie na B2B
Długoterminowa współpraca
Min. 5+ lat doświadczenia w roli Machine Learning Engineer / MLOps Engineer / ML Engineer
Bardzo dobra znajomość Pythona i ekosystemu data science
Doświadczenie w budowie i wdrażaniu modeli ML do produkcji
Praktyczne doświadczenie z AWS SageMaker
Znajomość co najmniej jednego frameworka deep learning (TensorFlow lub PyTorch)
Doświadczenie w MLOps: MLflow (tracking, model registry)
Doświadczenie w CI/CD (GitLab CI/CD)
Umiejętność projektowania i opisywania architektury systemów ML
Doświadczenie w pracy z systemami chmurowymi (preferowany AWS)
Doświadczenie we współpracy z Data Science / Data Engineering zespołami
O projekcie:
Szukamy dwóch doświadczonych ML Engineerów, którzy dołączą do zespołu rozwijającego globalnie wdrożony system rekomendacyjny. System już dziś generuje istotną wartość biznesową w wielu krajach, a teraz wchodzimy w etap jego dalszej ewolucji i profesjonalizacji w obszarze MLOps i skalowania.
Zakres obowiązków:
Projektowanie i rozwój architektury produkcyjnego systemu rekomendacyjnego
Budowa i rozwój standardów MLOps w organizacji
Tworzenie i optymalizacja pipeline’ów CI/CD w GitLab
Implementacja i rozwój procesu MLflow (tracking eksperymentów, wersjonowanie modeli)
Wdrażanie modeli ML do produkcji na AWS SageMaker
Współpraca z Data Scientistami w zakresie produkcjonalizacji modeli
Budowa rozwiązań zapewniających monitoring, obserwowalność i niezawodność modeli
Aktywne programowanie w Pythonie (data/ML infrastructure, deployment, pipelines)
Mentoring i wsparcie techniczne dla Data Scientistów i inżynierów
Współpraca z Product Ownerami i stakeholderami biznesowymi
Oferujemy:
Praca w pełni zdalnie
Zatrudnienie na B2B
Długoterminowa współpraca
🔍 Dekoder Ogłoszenia
🔴
Min. 5+ lat doświadczenia w roli Machine Learning Engineer / MLOps Engineer / ML Engineer
Oczekują kogoś, kto już przeszedł przez etapy budowania i wdrażania modeli ML na dużą skalę, a nie tylko teoretyka.
🔴
Doświadczenie w budowie i wdrażaniu modeli ML do produkcji
Nie chodzi tylko o trenowanie modeli, ale o cały proces ich umieszczania i utrzymania w działającym systemie.
🔴
Budowa i rozwój standardów MLOps w organizacji
Będziesz miał wpływ na kształtowanie procesów, ale może to też oznaczać, że obecne standardy są słabo rozwinięte lub ich brakuje.
🔴
Współpraca z Data Scientistami w zakresie produkcjonalizacji modeli
Twoim zadaniem będzie przekształcenie modeli stworzonych przez Data Scientistów w coś, co działa w środowisku produkcyjnym.
🔴
Aktywne programowanie w Pythonie (data/ML infrastructure, deployment, pipeline
Oczekują, że będziesz faktycznie kodował, a nie tylko zarządzał i konfigurował gotowe narzędzia.