Must have

• Data engineering

• MLOps

• DevOps

• MLflow

• Docker

• Kubernetes

• Airflow

• Kubeflow

• Python

• TensorFlow

• PyTorch

• scikit-learn

• Polish

Nice to have

• AWS

• Azure

• GCP

• Prometheus

• Grafana

• EvidentlyAI

Requirements description

Original text.  Show translation

• Minimum 5 lat doświadczenia w obszarze Machine Learning lub Data Engineering.
• Doświadczenie na stanowisku ML Architect, ML Engineer Lead, Technical Lead lub pokrewnym.
• Praktyczna znajomość narzędzi i procesów MLOps / DevOps dla ML:
  • CI/CD, model deployment, monitoring modeli, automatyzacja pipeline’ów.
  • MLflow, Docker, Kubernetes, Airflow, Kubeflow lub analogiczne.
• Umiejętność łączenia wiedzy algorytmicznej z inżynierią systemową (ML + backend).
• Doświadczenie w pracy z Pythonem i frameworkami ML (TensorFlow, PyTorch, Scikit-learn).
• Samodzielność w prowadzeniu projektów od koncepcji do wdrożenia produkcyjnego.

Mile widziane

• Doświadczenie w zarządzaniu zespołem technicznym lub koordynacji projektów ML.
• Znajomość chmur publicznych (AWS / Azure / GCP).
• Wiedza z zakresu DataOps lub architektury systemów rozproszonych.
• Doświadczenie z rozwiązaniami do monitoringu modeli (Prometheus, Grafana, EvidentlyAI).

Offer description

Original text.  Show translation

Lokalizacja: Polska / Praca hybrydowa lub zdalna

Typ zatrudnienia: Pełny etat

Cel roli

Poszukujemy doświadczonego Senior ML Architecta, który połączy wiedzę z zakresu modelowania machine learning z umiejętnościami DevOps i system engineering. Osoba na tym stanowisku będzie odpowiedzialna za projektowanie i wdrażanie end-to-end systemów ML, obejmujących cały cykl życia modelu – od koncepcji i prototypowania po produkcyjny deployment i monitoring.

Oferujemy

• Stabilne zatrudnienie w pełnym wymiarze etatu.
• Udział w budowie skalowalnych, nowoczesnych rozwiązań ML dla środowisk produkcyjnych.
• Realny wpływ na kierunek rozwoju architektury ML w organizacji.
• Możliwość pracy z najnowszymi technologiami DevOps, AI i chmurowymi.
• Elastyczny model pracy (hybrydowy / zdalny).
• Atrakcyjne wynagrodzenie dopasowane do doświadczenia.

Your responsibilities

Original text.  Show translation

1. Projektowanie i rozwój architektury systemów ML, obejmujących modele, infrastrukturę oraz środowisko uruchomieniowe.
2. Tworzenie i utrzymywanie pipeline’ów ML (data ingestion, training, deployment, monitoring).
3. Integracja rozwiązań ML z istniejącą infrastrukturą chmurową i backendową.
4. Utrzymanie środowisk CI/CD dla projektów ML, automatyzacja procesu trenowania i wdrażania modeli.
5. Zapewnienie skalowalności, bezpieczeństwa i niezawodności systemów produkcyjnych.
6. Współpraca z zespołami Data Science, Data Engineering i DevOps przy wdrażaniu nowych rozwiązań.

show all (7)