Miejsce pracy/praca zdalna: Zapewniamy dużą swobodę pracy zdalnej - przy czym od czasu do czasu będziemy Cię zapraszali do warszawskiego biura
Wymiar pracy: Fulltime
Sektor: Geospatial / AI
Projekt: Budowa i skalowanie platformy MLOps obsługującej petabajty danych obrazowych.
Zespół: 6-8os.
Proces rekrutacji: Spotkanie zdalne z Managerem (+ ewentualne zadanie do wykonania)
Szacowany czas trwania projektu: Długoterminowy
Czas pracy/Strefa czasowa: Standardowe polskie godziny pracy
Technologie na projekcie: Kubernetes (core - ok. 80% pracy), AWS, Python, Linux, Terraform, CI/CD, Prometheus, Grafana, OpenTelemetry, MLOps tooling
responsibilities :
Projektowanie i deployment Kubernetes clusters na AWS
Auto-scaling infrastruktury (10 → 1000 nodes)
Optymalizacja zasobów: CPU / GPU / memory
Rozwój i utrzymanie MLOps pipelines
Zapewnienie observability i stabilności systemów ML w produkcji
requirements-expected :
Biegłość w Pythonie i Linuxie, z mocną wiedzą w projektowaniu skalowalnych, rozproszonych systemów.
Praktyczne doświadczenie w projektowaniu, wdrażaniu i utrzymaniu procesów MLOps, w tym pipeline’ów CI/CD, monitoringu oraz optymalizacji środowisk produkcyjnych.
Silne kompetencje w obszarze chmury (AWS/GCP), infrastruktury jako kodu (Terraform), konteneryzacji oraz orkiestracji (Kubernetes).
Solidne zrozumienie nowoczesnych praktyk wytwarzania oprogramowania, takich jak test-driven development (TDD), systems thinking oraz automatyzacja CI/CD.
Doświadczenie we wdrażaniu i zarządzaniu narzędziami obserwowalności, takimi jak Prometheus, Grafana i OpenTelemetry, w celu zapewnienia wysokiej niezawodności oraz wydajności produkcyjnych systemów ML.
Ekspertyza w skalowaniu i optymalizacji systemów rozproszonych dla obliczeń wielkoskalowych w środowiskach wielowęzłowych (multi-node).
Znajomość angielskiego przynajmniej na poziomie B2+
offered :
Dużą swobodę pracy zdalnej
Długofalowe stabilne zatrudnienie
Szansę na uczestniczenie w kluczowych projektach dla dużej firmy działającej w bardzo stabilnym sektorze
Atrakcyjne wynagrodzenie (adekwatne do umiejętności i doświadczenia)
