W skrócie
- Zadania: Prowadź zespół MLOps, rozwijaj platformę ML i zarządzaj infrastrukturą.
- Firma: Fetcherr - innowacyjna firma AI z przejrzystymi rozwiązaniami.
- Benefity: Atrakcyjne wynagrodzenie, elastyczne godziny pracy i możliwości rozwoju zawodowego.
- Pozostałe informacje: Praca w szybko rozwijającej się firmie z globalnymi partnerami.
- Dlaczego ta praca: Twórz wpływowe systemy AI w dynamicznym środowisku startupowym.
- Kwalifikacje: Doświadczenie w Pythonie, MLOps i zarządzaniu zespołem.
Przewidywane wynagrodzenie mieści się w przedziale 123750 - 151250 zł za rok.
Fetcherr builds responsible AI that transforms market complexity into measurable profit growth. At the core of the company is the Market Model, a proprietary AI-powered model delivering accurate, granular demand predictions with 96% forecast accuracy and real-time decision intelligence for commercial teams. Built on a glass-box architecture, it uses market data, not personal data, with full transparency into logic and outcomes. First deployed in global aviation, the technology is industry-agnostic and scales across volatile markets. Fetcherr delivers a consistent average profit uplift of 7%, with corporate partners including Delta, Virgin Atlantic, WestJet, Viva, and Azul.
We are looking for an MLOps Team Lead to drive the development of an internal machine learning platform for a group of ML teams. To do this, you will:
- Lead, mentor, and grow a team of MLOps engineers, owning delivery and technical quality.
- Take end-to-end ownership of infrastructure and pipeline initiatives across the LMM group, from design through production.
- Stay hands-on: contribute to design and code, review work, and set engineering standards.
- Drive the team through critical milestones in ML model-lifecycle and infrastructure ownership.
- Partner with R&D and other stakeholders to translate research needs into robust, scalable systems.
- Help evolve the platform, including our ongoing migration from Dask to Ray.
Wymagania:
- BSc lub magister w dziedzinie informatyki, matematyki lub inżynierii.
- Co najmniej 5-letnie doświadczenie komercyjne w Pythonie.
- Co najmniej 3-letnie praktyczne doświadczenie w MLOps w produkcji (nie projekty poboczne).
- Doświadczenie w zarządzaniu lub prowadzeniu zespołu inżynierów, z odpowiedzialnością za ludzi i dostawy.
- Praktyczne doświadczenie w zarządzaniu cyklem życia modelu ML (szkolenie, wdrażanie, monitorowanie, ponowne szkolenie).
- Doświadczenie z orkiestratorami pipeline'ów, takimi jak Dagster lub Airflow.
- Doświadczenie z głównym dostawcą chmury, takim jak GCP, AWS lub Azure.
- Doświadczenie z systemami obliczeń rozproszonych.
- Doświadczenie z Dockerem.
- Doświadczenie z Kubernetes.
- Komercyjne doświadczenie w pisaniu i utrzymywaniu skalowalnych systemów ML.
- Znajomość języka angielskiego w mowie i piśmie.
MILE WARTOŚCI:
- Doświadczenie z Dagster (zaleta).
- Doświadczenie z Dask lub Ray (zaleta).
- Doświadczenie z Spark, w tym implementacja algorytmów rozproszonych w Pythonie (zaleta).
- Doświadczenie z tradycyjnymi systemami ML do prognozowania, przewidywania lub optymalizacji cen (zaleta).
- Doświadczenie w lotnictwie, prognozowaniu popytu lub optymalizacji cen (zaleta).
- Dobre zrozumienie struktur danych i algorytmów (zaleta).
Jeśli jesteś podekscytowany budowaniem wpływowych systemów AI w środowisku startupowym o wysokim wzroście i chcesz pomóc w redefiniowaniu sposobu, w jaki branże ustalają ceny, prognozują i optymalizują, chcielibyśmy usłyszeć od Ciebie.
MLOps Team Lead in Warsaw – pracodawca: Fetcherr
Fetcherr to doskonały pracodawca, który stawia na rozwój swoich pracowników w dynamicznym środowisku startupowym. Oferujemy możliwość pracy z najnowocześniejszymi technologiami w dziedzinie sztucznej inteligencji oraz współpracę z zespołami międzyfunkcyjnymi, co sprzyja innowacyjności i kreatywności. Nasza kultura pracy opiera się na przejrzystości, współpracy i dążeniu do osiągania wymiernych rezultatów, co czyni nas idealnym miejscem dla osób pasjonujących się uczeniem maszynowym i jego zastosowaniami w realnym świecie.
