Senior MLOps Engineer in Kraków

Kraków Pełny etat 59400 - 72600 zł / rok (szac.) Hybrydowo

Aplikuj teraz

W skrócie

Zadania: Zarządzaj i ulepszaj infrastrukturę ML na GCP, wspierając naukowców danych w niezależnym wdrażaniu modeli.
Firma: Softeta - partner inżynieryjny dla branży finansowej i technologicznej.
Benefity: Elastyczne godziny pracy, budżet na szkolenia i wybór sprzętu technicznego.
Pozostałe informacje: Różnorodne projekty techniczne i możliwości rozwoju kariery.
Dlaczego ta praca: Pracuj nad innowacyjnymi projektami z AI w dynamicznym środowisku.
Kwalifikacje: 5+ lat doświadczenia w MLOps oraz silne umiejętności inżynieryjne w Pythonie.

Przewidywane wynagrodzenie mieści się w przedziale 59400 - 72600 zł za rok.

Softeta jest partnerem inżynieryjnym w zakresie oprogramowania dla finansów, energii, przemysłu i innych sektorów o wysokim ryzyku. Specjalizujemy się w budowaniu i modernizacji systemów opartych na backendzie, które są krytyczne dla integracji, gdzie szybkość, dokładność i niezawodność są niepodważalne. Z ponad 100 ekspertami w dziedzinie AI i oprogramowania dostosowanego w hubach inżynieryjnych w Litwie i Polsce, bezpośrednio angażujemy się w operacje klientów, dostarczając oprogramowanie dostosowane do potrzeb, automatyzację i AI tam, gdzie przynoszą największą wartość.

Poszukujemy Senior MLOps Engineera, który będzie odpowiedzialny za rozwój i poprawę platformy ML klienta telekomunikacyjnego opartej na GCP, umożliwiając naukowcom danych samodzielne trenowanie i wdrażanie modeli.

Co będziesz robić:

Obsługiwać i poprawiać bezpieczną, niezawodną infrastrukturę do treningu i serwowania ML na GKE i Vertex AI, optymalizując wykorzystanie GPU, pojemność, limity i koszty.
Budować wielokrotnego użytku szablony, CI/CD oraz narzędzia samoobsługowe, które umożliwiają naukowcom danych samodzielne wdrażanie modeli.
Zarządzać cyklem życia modelu, w tym rejestracją, wersjonowaniem, wdrażaniem, wycofywaniem, monitorowaniem dryfu i zdrowiem serwowania.
Rozwijać przepływy pracy przy użyciu Kubeflow lub Vertex AI Pipelines oraz współpracować z inżynierami danych nad przepływami danych funkcji i treningowych w BigQuery i Airflow.
Zarządzać infrastrukturą jako kodem poprzez GitOps, używając Config Sync lub równoważnych narzędzi.
Wprowadzać zasady minimalnego dostępu do informacji osobistych i danych chronionych przez tagi polityki. Tworzyć praktyczną dokumentację i definiować cele poziomu usług (SLO), aby wspierać niezawodne działanie i przyjęcie platformy.

Wymagania:

5+ lat doświadczenia w MLOps lub inżynierii platform, w tym co najmniej 2 lata pełnej odpowiedzialności za produkcyjną infrastrukturę ML.
Silne doświadczenie produkcyjne z Vertex AI, GKE i BigQuery, a także dogłębne umiejętności operacyjne i rozwiązywania problemów związanych z klastrami Kubernetes.
Doświadczenie z Kubeflow Pipelines lub Vertex AI Pipelines oraz Airflow.
Praktyczne doświadczenie z GitOps, Config Sync lub równoważnymi narzędziami oraz CI/CD dla wdrażania modeli.
Silne umiejętności inżynieryjne w Pythonie, w tym testowanie jednostkowe i pakowanie.
Umiejętność samodzielnego zarządzania platformą w całej firmie i budowania narzędzi samoobsługowych wspieranych przez jasną dokumentację i mierzalne SLO.

Miło widziane:

Doświadczenie z przesyłaniem strumieniowym, inferencją online, magazynami cech i obserwowalnością modeli przy użyciu narzędzi takich jak Dataflow, Flink, Kafka, Feast lub Vertex AI Feature Store.
Doświadczenie w serwowaniu i ocenie LLM, a także w planowaniu GPU i optymalizacji kosztów na GKE.
Znajomość wymagań dotyczących zarządzania danymi i prywatności, w tym DataHub, tagi polityki, GDPR i DPDP; doświadczenie w skalowaniu produktów skierowanych do konsumentów.

Diverse and technically challenging projects. Training budget for professional and personal growth. Flexible working hours and a hybrid workplace model. Flexible schedule and an Agile/SCRUM environment. Technical equipment that you can choose.