Informacje o stanowisku

Masz doświadczenie w pracy z modelami machine learning w środowiskach produkcyjnych i chcesz rozwijać się w ambitnych projektach? Szukamy właśnie Ciebie!
Dla naszego klienta poszukujemy MLOpsEngineer, który dołączy do zespołu zajmującego się wdrażaniem, monitorowaniem i utrzymaniem modeli uczenia maszynowego w środowisku chmurowym.

Wymagania:

• Udokumentowane doświadczenie w wdrażaniu i monitorowaniu modeli machine learning w środowiskach produkcyjnych,
• Minimum 5 lat doświadczenia w pracy z Dockerem, Kubernetesem, Helm i pipelineami CI/CD,
• Co najmniej 5 lat pracy z narzędziami do monitorowania, takimi jak Prometheus, Thanos czy Grafana,
• Znajomość narzędzi do monitorowania modeli, takich jak Arize, *Evidently AI czy Alibi Detect,
• Doświadczenie w przeprowadzaniu testów A/B oraz pracy z oprogramowaniem typu service mesh (np. Istio),
• Biegłość w korzystaniu z platform takich jak Kubeflow czy OpenDataHub do wdrażania i zarządzania modelami,
• Bardzo dobra znajomość zagadnień związanych z monitorowaniem infrastruktury i najlepszymi praktykami w tym zakresie,
• Świetne umiejętności rozwiązywania problemów i diagnozowania złożonych zagadnień technicznych,
• Doświadczenie w pracy z platformami chmurowymi (AWS LUB Google Cloud Platform LUB Azure),
• Znajomość języków skryptowych i automatyzacji (np. Bash, Python).
• Znajomość j. angielskiego pozwalającą na swobodną komunikację zarówno w mowie jak i w piśmie

Oferujemy:

• płatny urlop
• Pracę w środowisku międzynarodowym - stały - całość pracy w środowisku anglojęzycznym

Obowiązki:

• Wdrażanie modeli machine learning LLM do środowisk produkcyjnych,
• Monitorowanie działania modeli i ich wydajności w czasie rzeczywistym,
• Tworzenie i utrzymywanie pipelineów CI/CD,
• Konfiguracja i zarządzanie kontenerami Docker oraz klastrami Kubernetes,
• Ustawianie i rozwijanie monitoringu systemów przy użyciu narzędzi takich jak Prometheus, Thanos, Grafana,
• Implementacja testów A/B oraz integracja z service mesh (np. Istio),
• Praca z platformami do zarządzania modelami, takimi jak Kubeflow i OpenDataHub,
• Automatyzacja zadań za pomocą skryptów (np. Bash, Python),
• Rozwiązywanie problemów technicznych i optymalizacja działania systemów,
• Współpraca z zespołami Data Science, DevOps i inżynierii w celu zapewnienia stabilności wdrożeń.

Poznań - Oferty pracy w okolicznych lokalizacjach