Senior ML Engineer

O projekcie:
Alterdata.io, jako firma usługowa zajmująca się danymi szuka kontraktora do współpracy w roli Senior ML Engineer.

W tej roli będziesz odpowiadać za inżynieryjną realizację projektów z obszaru wdrażania systemów uczenia maszynowego (ML) oraz sztucznej inteligencji (GenAI/LLM). Będziesz projektować wysoce skalowalną infrastrukturę MLOps, tworzyć szybkie i wydajne API do serwowania modeli oraz automatyzować procesy od przygotowania danych, przez trenowanie, aż po monitoring modeli. Będziesz ściśle współpracować z naszymi Architektami, Data Scientistami oraz zespołami biznesowymi, tworząc stabilną i bezpieczną platformę ML (m.in. w oparciu o GCP / Vertex AI, Python, Docker i SQL), która stanowi fundament pod modernizację i rozwój rozwiązań AI u naszych klientów.

Gotowość do świadczenia usług przy użyciu własnego sprzętu komputerowego i narzędzi podstawowych. Zapewniamy dostęp do licencji projektowych klienta.
- Model współpracy: B2B Kontrakt (Współpraca w pełni zdalna)- Zapotrzebowanie projektowe: Oferujemy gwarantowaną pulę zamówień na usługi do ok. 140-180 godzin miesięcznie.
Co możemy Ci zaoferować:
- Możliwość świadczenia usług z dowolnego miejsca (współpraca w pełni zdalna).- Partnerską i otwartą kulturę współpracy opartą na zaufaniu i dużej autonomii decyzyjnej.- Udział w zróżnicowanych technologicznie projektach (w tym międzynarodowych) z obszaru Cloud & Data.- Wymianę wiedzy z doświadczonymi ekspertami (architektami, inżynierami) oraz partnerskie wsparcie merytoryczne na każdym etapie projektu.

Wymagania:
Obowiązkowe

- Doświadczenie komercyjne w roli ML Engineer lub podobnej związanej z wdrażaniem AI.- Biegła znajomość języka Python SQL.- Praktyczna znajomość i doświadczenie w pracy z bibliotekami oraz frameworkami ML/DL (np. PyTorch, TensorFlow, scikit-learn, XGBoost).- Praktyczne doświadczenie w projektowaniu i wdrażaniu pełnego cyklu życia modeli ML.- Doświadczenie w pracy z dużymi modelami językowymi.- Znajomość narzędzi do śledzenia eksperymentów i wersjonowania modeli/danych (np. MLflow, Weights & Biases, DVC, Feast / Feature Store).- Doświadczenie w budowaniu wydajnych API dla modeli (batch prediction, online prediction).- Praktyczne doświadczenie w pracy z platformami chmurowymi oraz biegłość w Dockerze i serverless.- Znajomość narzędzi MLOps w środowiskach chmurowych (np. GCP Vertex AI / Agent Platform, AWS SageMaker).- Znajomość praktyk CI/CD (np. GitHub Actions, GitLab CI) dostosowanych do projektów ML (automatyczne testy, retraining, deployment pipelines).- Samodzielność, proaktywność oraz umiejętność rozwiązywania złożonych problemów technicznych.- Dobra organizacja pracy, umiejętność pracy w zespole oraz efektywnej komunikacji.- Znajomość języka angielskiego na poziomie minimum C1.- Umiejętność interpretacji celów biznesowych i przekładania ich na logiczne i spójne zadania technologiczne, z uwzględnieniem kontekstu technicznego projektu.- Doświadczenie w wykorzystywaniu narzędzi AI w pracy z kodem, np. Cursor, Claude Code.

Mile widziane

- Doświadczenie z Terraform lub innymi narzędziami Infrastructure as Code.- Znajomość narzędzi do orkiestracji przepływów pracy ML.- Znajomość technologii do przetwarzania rozproszonego i analizy dużych zbiorów danych (np. BigQuery, Snowflake, PySpark).- Doświadczenie w pracy z narzędziami typu DBT, Dataform.- Znajomość zagadnień integracji, przechowywania, przetwarzania i wyszukiwania danych w środowiskach, np. Google DataFlow, Snowpark, AWS Data Migration Services, Azure DataFactory.- Doświadczenie w roli lidera technicznego lub koordynatora mniejszych zespołów programistycznych.

Codzienne zadania:
- Projektowanie i rozwój wysoce skalowalnej oraz bezpiecznej infrastruktury ML i MLOps w oparciu o platformy chmurowe (ze szczególnym uwzględnieniem GCP / Vertex AI) zgodnie z najlepszymi praktykami rynkowymi.
- Wdrażanie modeli ML i GenAI na produkcję oraz tworzenie szybkich i bezpiecznych API do ich serwowania
- Nadzór nad stabilnością, automatyzacją i wydajnością pełnych potoków ML, od zbierania i przygotowania danych, przez trenowanie i ewaluację, aż po ciągły deployment (CT/CD).
- Monitorowanie jakości modeli na produkcji oraz optymalizacja wydajnościowa i kosztowa zasobów obliczeniowych (GPU/CPU, FinOps) wykorzystywanych do trenowania i inferencji.
- Tworzenie czystego, modułowego i łatwego w utrzymaniu kodu w języku Python oraz SQL, z zachowaniem najwyższych standardów testowalności, bezpieczeństwa oraz praktyk MLOps/CI-CD.
- Projektowanie i standaryzacja generycznych mechanizmów integracji danych z różnorodnych źródeł (API, strumienie w czasie rzeczywistym, bazy danych).
- Partnerska współpraca z Architektami, Data Scientistami oraz zespołami biznesowymi w celu przekładania celów biznesowych na optymalną architekturę systemów AI oraz wskaźniki (ROI, wskaźniki ewaluacji modeli).
- Dbanie o jakość techniczną rozwiązań ML poprzez realizację code review, wsparcie merytoryczne dla mniej doświadczonych kontraktorów oraz promowanie standardów Inżynierii Uczenia Maszynowego i MLOps.
- Projektowanie i nadzór nad dokumentacją architektoniczną oraz aktywny współudział w doskonaleniu zwinnych procesów dostarczania (delivery) w organizacji.