About this role

MLOps Engineer [M/F] Stackmine Daily tasks: - projektowanie, rozwój oraz utrzymanie powtarzalnych pipeline'ów treningowych i wdrożeniowych z wykorzystaniem Vertex AI (Pipelines, Model Registry, Endpoints), - budowa i rozwój wspólnego Feature Store umożliwiającego ponowne wykorzystanie cech pomiędzy zespołami oraz zachowanie spójności pomiędzy treningiem i środowiskiem produkcyjnym, - automatyzacja pełnego cyklu życia modeli ML, w tym procesów CI/CD, testowania oraz kontrolowanych wdrożeń, - implementacja monitoringu modeli, jakości danych oraz wykrywania driftu modeli i danych wraz z alertowaniem powiązanym z wynikami biznesowymi, - zarządzanie wersjonowaniem zbiorów danych i definicji cech w celu zapewnienia pełnej identyfikowalności (lineage) i odtwarzalności procesów ML, - współpraca z zespołami Data Science oraz Cloud Engineering przy rozwoju i automatyzacji środowiska MLOps, - wdrażanie dobrych praktyk z zakresu inżynierii oprogramowania, automatyzacji oraz niezawodności platform ML.

Musts: Python, Google cloud platform min. 5 lat doświadczenia na stanowisku MLOps Engineer, ML Engineer, Platform Engineer lub w obszarze Data Engineering/Infrastructure wspierającym środowiska Machine Learning, bardzo dobra znajomość języka Python, znajomość dobrych praktyk inżynierii oprogramowania, w tym: testowania, kontroli wersji (Git), code review. praktyczne doświadczenie z rozwiązaniami chmurowymi, preferencyjnie Google Cloud Platform oraz Vertex AI (Feature Store, Pipelines, Model Monitoring), doświadczenie z Docker, Kubernetes, Terraform, narzędziami CI/CD (np.

GitHub Actions, GitLab CI, Jenkins), doświadczenie w monitorowaniu modeli ML, obserwowalności (Observability) oraz wykrywaniu driftu modeli i danych w środowiskach produkcyjnych. Projekt zakłada budowę i rozwój nowoczesnej platformy MLOps opartej na Google Cloud Platform (Vertex AI), umożliwiającej szybkie, bezpieczne i zautomatyzowane wdrażanie modeli uczenia maszynowego do środowiska produkcyjnego. Osoba na tym stanowisku będzie odpowiadać za tworzenie skalowalnej infrastruktury obejmującej pipeline'y ML, Feature Store, procesy CI/CD oraz monitoring modeli i danych, zapewniając ich niezawodność oraz pełną odtwarzalność.

Celem projektu jest zwiększenie dojrzałości organizacji w obszarze MLOps oraz stworzenie solidnych fundamentów pod rozwój zaawansowanych rozwiązań opartych na sztucznej inteligencji.

Source listing: nofluffjobs_main