Summary
An MLOps engineering role for an experienced DevOps, Platform, or SRE professional focused on infrastructure supporting machine learning systems. The position requires strong Kubernetes and Docker expertise, Infrastructure as Code, CI/CD, and hands-on experience with CPU, GPU, or TPU infrastructure.
Highlights
Opportunity to influence the design of machine learning systems, work with advanced AI infrastructure, develop MLOps expertise, and collaborate with experienced AI specialists on globally used solutions.
Description
Dołącz do naszego zespołu na stanowisku MLOps Engineer i zyskaj kluczowy wpływ na projektowanie systemów Machine Learning! Poszukujemy osoby z minimum 2-3 letnim doświadczeniem (DevOps, Platform Engineer lub SRE) z zaawansowaną znajomością Kubernetesa i Dockera, a także płynnie posługującą się narzędziami IaC.
Bardzo ważna jest dla nas również zdolność do swobodnej obsługi instastruktury sprzętowej CPU/TPU/GPU wspierającej obliczeniowo modele AI.
Jeśli chcesz rozwijać się wśród ekspertów i ekspertek AI, doskonalić swoje umiejętności i mieć realny wpływ na produkty używane przez globalne banki – dołącz do nas!
Profil stanowiska
Wykształcenie wyższe (preferowane informatyczne)Minimum 1-2 lata doświadczenia na stanowisku DevOps Engineer, Platform Engineer, SRE lub podobnymDoświadczenie z narzędziami Infrastructure as Code (IaC), zwłaszcza z Terraform oraz w budowaniu i zarządzaniu pipeline'ami CI/CD (np.
GitLab CI, Jenkins, GitHub Actions)Dobra znajomość co najmniej jednego dostawcy chmury publicznej (AWS, Azure lub GCP)Praktyczna, zaawansowana znajomość Dockera i KubernetesUmiejętność pisania skryptów i automatyzacji w języku Python i/lub Bash czy HCLRozumienie cyklu życia modeli ML i narzędzi do hostowania modeli.
Znajomość KServe, vLLM, NVIDIA Triton Inference Server będzie dodatkowym atutemDobra znajomość języka angielskiego (poziom min.
B2)Umiejętność pracy w zespole i skuteczne zarządzanie czasem oraz priorytetamiAnalityczne myślenie i nastawienie na realizację celów Mile widziane doświadczenie z dedykowanymi platformami MLOps (Kubeflow, MLflow) i/lub praktyka w pracy z narzędziami do monitoringu (Prometheus, Grafana, ELK Stack lub/i OpenTelemetry)
Twoje zadania
Projektowanie i budowa pipeline'ów CI/CD dla Machine Learningu, automatyzacja procesów testowania, trenowania, walidacji i wdrażania modeliZarządzanie infrastrukturą AI, budowa i utrzymanie skalowalnych środowisk do trenowania oraz serwowania modeli z wykorzystaniem Dockera i KubernetesDefiniowanie i zarządzanie zasobami chmurowymi za pomocą narzędzi takich jak Terraform lub CloudFormationTworzenie systemów do monitorowania wydajności modeli, wykrywania dryftu danych (data/concept drift) i alertowania w czasie rzeczywistym (np.
przy użyciu Prometheus, Grafana)Wdrażanie narzędzi do wersjonowania modeli, danych i eksperymentów (np.
MLflow, DVC)Bliska współpraca z ML Engineerami i Data Scientistami w celu definiowania najlepszych praktyk produkcyjnych
Dla Ciebie
Możliwość tworzenia funkcjonalności AI dla produktu używanego przez globalne bankiPracujemy z najnowszymi narzędziami i nie boimy się eksperymentowaćDostęp do szkoleń, konferencji, wewnętrznych warsztatów oraz praca z ekspertami i ekspertkami w dziedzinie AI i FinTechPraca w modelu hybrydowym po okresie wdrożenia (60% stacjonarnie, 40% zdalnie)Dostęp do prywatnej opieki medycznej dla Ciebie i Twojej rodzinyMożliwość udziału w akcjach i wydarzeniach promujących aktywny tryb życiaMożliwość udziału w wydarzeniach sportowych, spotkaniach integracyjnych i akcjach społecznych – bo wspólnie możemy więcej!
