MLOps Engineer

Miejsce pracy: 100% zdalnie

Start pracy: ASAP

Forma współpracy: B2B

Stawka: 100-125 zł/h netto + VAT

Wymagania:

• min. 3 lata doświadczenia na tożsamym lub pokrewnym stanowisku
• zaawansowana znajomość Python lub R
• znajomość Linux, Bash, Git
• doświadczenie w pracy z Docker, Kubernetes (w chmurze np. Amazon EKS, GKE, AKS)
• doświadczenie w projektowaniu i wdrażaniu CI/CD (np. GitLab, Argo CD)
• doświadczenie w automatyzacji infrastruktury: zarządzania konfiguracją IaC (np. Ansible, Terraform, AWS CloudFormation)
• doświadczenie z platformami integracyjnymi ML np. Langchain, Llamaindex lub podobnymi
• znajomość chmury AWS/GCP/Azure wraz z portfolio narzędzi MLOps: SageMaker, Vertex AI, Azure ML Studio itp.
• doświadczenie we wdrażaniu i zarządzaniu modelami uczenia maszynowego 
• znajomość wektorowych baz danych.
• zaawansowana znajomość j.angielskiego min B2/C1 

Mile widziane:

• doświadczenie z dowolnymi narzędziami MLOps (np. MLflow, Kubeflow, Amazon SageMaker)
• dobra znajomość podstaw Data Science
• dowolny z obszarów Machine Learning (np. Computer Vision, NLP, Predictive Modelling)

Zadania:

• opracowywanie i wdrażanie modeli
• wdrażanie i dostosowywanie modeli i datalakes GenAI
• wdrażanie modeli uczenia maszynowego i zarządzanie nimi w środowiskach produkcyjnych, korzystając z najlepszych praktyk MLOps
• monitorowanie stanu, wydajności i dokładności wdrożonych modeli
• optymalizacja wykorzystanych zasobów
• ocena wydajności dużych modeli językowych w kontekście określonej domeny
• współpraca z analitykami danych, inżynierami oprogramowania i interesariuszami biznesowymi
• komunikacja koncepcji technicznych i statusu projektu interesariuszom nietechnicznym
• integracja modeli GenAI z istniejącymi systemami
• rozwój i utrzymanie skalowalnej i wydajnej infrastruktury MLOps, w tym CI/CD, kontrolę wersji i testy automatyczne
• zarządzanie infrastrukturą i zasobami w chmurze na potrzeby szkolenia i wdrażania modeli
• analiza, identyikacja i wdrażanie najlepszych praktyk w zakresie wdrażania, testowania i monitorowania modeli
• dbanie o bezpieczeństwo danych