Job description

Opis oferty

Jako MLOps Platform Engineer będziesz pełnił rolę konsultanta MLOps dla klientów korporacyjnych, wspierając transformację ich operacji związanych z infrastrukturą ML. Rola ta łączy wiedzę z zakresu inżynierii platform z ukierunkowaniem na potrzeby klienta — będziesz ściśle współpracować z innymi specjalistami oraz zespołami inżynierskimi klienta, aby budować i optymalizować podstawową infrastrukturę ML. Będziesz działać w środowiskach wymagających dużej niezależności technicznej oraz silnych umiejętności zarządzania relacjami z klientem.

---

Zadania:

• Tworzenie architektury systemów kompilacji na dużą skalę, obsługujących złożone procesy szkolenia i wdrażania modelu ML klienta.

• Projektowanie i wdrażanie rozwiązań integracji z systemami HPC przy użyciu REST API Slurm, obsługujących natywne dla chmury obciążenia ML klienta na platformie Google Cloud Platform (GCP).

• Optymalizacja wydajności skonteneryzowanych obciążeń klienta, w tym dużych kontenerów oraz długo działających procesów uczenia maszynowego (ML).

• Implementacja infrastruktury klienta przy użyciu Terraform na GCP, z integracją istniejących środowisk Vertex AI i GKE.

• Prowadzenie inicjatyw migracji infrastruktury klienta z Azure DevOps do GitHub Actions, z uwzględnieniem ustalonych terminów i ograniczeń.

• Ścisła współpraca z zespołami inżynierskimi klienta w celu zapewnienia, że operacje platformy spełniają ich konkretne wymagania biznesowe oraz potrzeby związane z onboardowaniem.

---

Wymagania:

• Ponad 5 lat doświadczenia w inżynierii platform z udokumentowanymi sukcesami w realizacji projektów dla klientów w środowiskach doradczych.
• Duża wiedza z zakresu infrastruktury GCP i wdrażania platformy Vertex AI.
• Biegłość w tworzeniu i optymalizacji backendowych usług w Pythonie.
• Praktyczne doświadczenie w Kubernetes i pracy z GKE w środowiskach korporacyjnych.
• Udokumentowane doświadczenie w stosowaniu Infrastructure as Code z wykorzystaniem Terraform w projektach wdrożeniowych.
• Doświadczenie w dostarczaniu systemów buildowania na dużą skalę oraz optymalizacji pipeline'ów CI/CD.
• Znajomość strategii konteneryzacji złożonych obciążeń ML i optymalizacji ich wydajności.
• Doświadczenie w pracy w środowiskach opartych na Git oraz w projektach migracyjnych do GitHub Actions.
• Zrozumienie środowisk HPC oraz systemów kolejkowania zadań (Slurm REST API).
• Doświadczenie we wdrażaniu i optymalizacji modeli PyTorch w środowiskach ML na poziomie korporacyjnym.
• Doświadczenie w implementacji komponentów platform ML (Feature Store’y, szablony modeli, usługi zadań).
• Doświadczenie w kontaktach z klientem w zakresie optymalizacji wydajności baz danych dla obciążeń ML.
• Znajomość integracji z API modeli językowych (LLM) oraz infrastruktury GenAI w środowiskach regulowanych.

---

Klient:

Nasz klient to globalna firma technologiczna specjalizująca się w doradztwie IT, inżynierii oprogramowania, chmurze obliczeniowej, danych oraz sztucznej inteligencji. Wspiera organizacje na całym świecie w ich cyfrowej transformacji, oferując zarówno usługi doradcze, jak i tworzenie oprogramowania. Firma kładzie duży nacisk na innowacyjność, dzielenie się wiedzą oraz ciągły rozwój swoich zespołów technicznych..

Oferujemy:

• Współpracę w międzynarodowym środowisku
• Możliwość pracy przy nowoczesnych, skalowalnych projektach w chmurze
• Pełne wsparcie i dzielenie się wiedzą w doświadczonym zespole
• Elastyczny model pracy zdalnej
• Szansa na rozwój umiejętności technicznych i udział w innowacyjnych inicjatywach
• Konkurencyjne wynagrodzenie w ramach umowy B2B

---

Proces rekrutacyjny:

1. Weryfikacja aplikacji

2. Wstępna akceptacja

3. Rozmowa telefoniczna z rekruterem

4. Weryfikacja techniczna z klientem

5. Finalna rozmowa z przedstawicielami klienta

6. Oferta pracy

Gotowy na kolejne wielkie wyzwanie? Aplikuj za pomocą formularza rekrutacyjnego i dołącz do nas!

Sprawdź inne ciekawe oferty pracy na: https://antal.pl/dla-kandydata