W skrócie
- Zadania: Współpraca z zespołami w celu przekształcenia modeli ML w produkcyjne rozwiązania.
- Firma: Grape Up - innowacyjna firma technologiczna z dynamicznym środowiskiem.
- Benefity: Elastyczne godziny pracy, rozwój zawodowy i prywatna opieka medyczna.
- Pozostałe informacje: Możliwość rozwoju kariery w międzynarodowym środowisku.
- Dlaczego ta praca: Pracuj z AI i danymi, mając realny wpływ na branżę lotniczą.
- Kwalifikacje: 4+ lata doświadczenia w MLOps oraz silne umiejętności programowania w Pythonie.
Przewidywane wynagrodzenie mieści się w przedziale 63000 - 77000 zł za rok.
W Grape Up przekształcamy biznesy, odblokowując potencjał AI i danych poprzez innowacyjne rozwiązania programowe. Współpracujemy z wiodącym europejskim przewoźnikiem lotniczym, aby wprowadzić jego modele uczenia maszynowego do niezawodnej, produkcyjnej operacji. Dołączysz do centralnej zdolności MLOps, która jest wdrażana w zespołach produktowych w obszarach komercyjnych, zarządzania przychodami i operacji - pomagając naukowcom danych przenieść modele prognozowania, ustalania cen i optymalizacji z notatników do monitorowanych, kosztowo efektywnych obciążeń produkcyjnych na Databricks.
Obowiązki:
- Współpraca z naukowcami danych w zespołach komercyjnych, zarządzania przychodami i operacji, aby przenieść ich modele i algorytmy z eksperymentów i notatników do niezawodnych obciążeń produkcyjnych.
- Przeglądanie, recenzowanie i refaktoryzacja istniejącego kodu nauki danych w Pythonie - dodawanie testów, poprawa struktury i migracja notatników do ustandaryzowanego, gotowego do produkcji szablonu projektu.
- Budowanie i utrzymywanie potoków CI/CD oraz przepływów pracy Databricks dla szkolenia wsadowego i wnioskowania, z wynikami zapisywanymi z powrotem do tabel Lakehouse.
- Stosowanie najlepszych praktyk MLOps konsekwentnie w projektach: śledzenie eksperymentów, wersjonowanie modeli i rejestracja (MLflow, Unity Catalog), reprodukowalność i bezpieczny rollback.
- Projektowanie strategii monitorowania specyficznych dla modelu we współpracy z naukowcami danych - wykraczających poza ogólne metryki, aby śledzić parametry, współczynniki i sygnały danych, które są istotne dla każdego modelu (w tym monitorowanie Databricks Lakehouse).
- Optymalizacja potoków wnioskowania wsadowego pod kątem wydajności i kosztów chmurowych.
- Wkład w wspólne szablony, standardy i sposoby pracy rosnącej centralnej zdolności MLOps.
Wymagania:
- Dyplom licencjata lub magistra w dziedzinie informatyki, uczenia maszynowego, inżynierii danych lub pokrewnej dziedziny.
- 4+ lata doświadczenia zawodowego w MLOps, inżynierii ML lub inżynierii oprogramowania z silnym naciskiem na produkcyjne systemy ML.
- Silne umiejętności w Pythonie i solidne praktyki inżynieryjne - czysty kod, testowanie jednostkowe i integracyjne (np. pytest), refaktoryzacja istniejących baz kodu.
- Silne doświadczenie praktyczne z cyklem życia ML (śledzenie eksperymentów, rejestracja modeli, wersjonowanie, wdrażanie), najlepiej z MLflow na Databricks.
- Solidne zrozumienie podstaw uczenia maszynowego - zdolność do omawiania zachowania modelu, cech i właściwości statystycznych z naukowcami danych, nie tylko kodu.
- Doświadczenie w pracy z Databricks (przepływy pracy, notatniki, Unity Catalog) i MLflow (śledzenie eksperymentów, rejestracja modeli).
- Doświadczenie w budowaniu potoków CI/CD dla projektów ML (np. GitHub Actions, Azure DevOps, GitLab CI).
- Doświadczenie w implementacji monitorowania modeli i obserwowalności dla systemów ML w produkcji.
- Doświadczenie z przynajmniej jedną platformą chmurową (AWS lub Azure).
- Silne umiejętności komunikacyjne - komfort w pracy bezpośrednio z naukowcami danych i interesariuszami biznesowymi w międzynarodowym środowisku.
- Biegłość w języku angielskim, zarówno w mowie, jak i piśmie.
Miło widziane:
- Certyfikacja Databricks.
- Doświadczenie z pakietami zasobów Databricks i infrastrukturą jako kod (np. Terraform).
- Doświadczenie w optymalizacji wsadowych obciążeń Databricks pod kątem wydajności i kosztów (np. PySpark, konfiguracja klastra).
- Tło w prognozowaniu, ustalaniu cen lub modelach optymalizacji (np. zarządzanie przychodami).
- Doświadczenie w branży lotniczej, turystycznej lub e-commerce.
Korzyści:
- Niekorporacyjne środowisko pracy wśród doświadczonych inżynierów.
- Indywidualny plan rozwoju i wzrostu wspierany cyklicznymi sesjami feedbackowymi.
- Dostęp do platform wiedzy (np. Pluralsight).
- Sprzęt według własnego wyboru.
- Finansowanie konferencji, szkoleń zewnętrznych i certyfikacji.
- Lekcje językowe (angielski, niemiecki i polski dla obcokrajowców).
- Prywatna opieka medyczna LuxMed.
- Co tydzień Lunch & Learn, gdzie spotykamy się w biurze, jemy razem lunch i dzielimy się wiedzą.
- Program poleceń pracowniczych.
- Nagrody za sukces miesiąca i roku przyznawane przez naszych pracowników.
- Szczególne nagrody za lata spędzone z nami (G-Man).
- Aktywności integracyjne.
Senior MLOps Engineer in Kraków – pracodawca: Grape Up
Aiboostr to doskonały pracodawca, który oferuje wyjątkowe możliwości rozwoju kariery w dynamicznie rozwijającym się obszarze sztucznej inteligencji. Pracując w zespole pełnym pasjonatów, będziesz miał szansę na samodzielne kształtowanie strategii sprzedaży oraz bezpośrednią współpracę z liderami branży, co sprzyja nie tylko osobistemu rozwojowi, ale także budowaniu wartościowych relacji zawodowych. Dodatkowo, elastyczne warunki pracy oraz transparentny system wynagrodzeń sprawiają, że Aiboostr jest miejscem, gdzie Twoje osiągnięcia są doceniane i nagradzane.
