Job description

Poszukujemy doświadczonego Senior MLOps Engineera, który dołączy do naszego zespołu w RITS Software House.

Do Twoich codziennych obowiązków będzie należało badanie i wdrażanie narzędzi, frameworków oraz platform MLOps dla naszych projektów Data Science. Będziesz pracować nad backlogiem zadań, mającym na celu podnoszenie poziomu dojrzałości MLOps w organizacji. Kluczowym elementem Twojej pracy będzie proaktywne wprowadzanie nowoczesnego, zwinnego i zautomatyzowanego podejścia do Data Science. Dodatkowo, będziesz odpowiedzialny za prowadzenie wewnętrznych szkoleń oraz prezentacji dotyczących korzyści i zastosowań narzędzi MLOps.

Opis firmy:

RITS Software House w ramach RITS Group jest firmą informatyczną zajmującą się programowaniem, oferującą najwyższej jakości usługi dedykowane zarówno dla rynku polskiego, jak i międzynarodowego. Jesteśmy częścią grupy najszybciej rozwijających się spółek technologicznych. Nasze wartości opierają się na innowacyjności, jakości i zaangażowaniu w dostarczanie najlepszych rozwiązań dla naszych klientów, szczególnie w kluczowym projekcie z branży farmaceutycznej

Wymagania:

Doświadczenie w pracy z Kubernetes.
Doświadczenie w operacjonalizacji projektów Data Science (MLOps) przy użyciu przynajmniej jednego z popularnych frameworków lub platform (np. Kubeflow, AWS SageMaker).
Dobra znajomość koncepcji ML i AI oraz praktyczne doświadczenie w tworzeniu modeli ML.
Biegłość w Pythonie wykorzystywanym zarówno do zadań ML, jak i automatyzacji.
Dobra znajomość Bash i narzędzi wiersza poleceń Unix.
Doświadczenie we wdrażaniu pipeline'ów CI/CD/CT.
Doświadczenie z AWS.
Ponad 4 lata doświadczenia w obszarach: Git, podstawy Linuxa, skrypty Bash, programowanie w Pythonie, Docker i Kubernetes, projektowanie i wdrażanie pipeline'ów CI/CD, automatyzacja infrastruktury, usługi chmurowe (AWS, GCP, Azure), cloud-native Kubernetes services, narzędzia monitoringu, logowania i alertowania.
Minimum 1 rok doświadczenia w dowolnym z obszarów Machine Learning (np. Computer Vision, NLP, Predictive Modelling), produktizacji rozwiązań ML, pracy z narzędziami MLOps (np. MLflow, Kubeflow, Amazon SageMaker).
Dobre rozumienie podstaw Data Science (np. zestawy danych do trenowania/testowania modeli, overfitting, klasyfikacja, klasteryzacja).
Zrozumienie koncepcji DevOps i praktyk Agile.
Doświadczenie we współpracy z zespołami developerskimi.
Umiejętność rozwiązywania problemów oraz dobre umiejętności komunikacyjne.
Znajomość języka angielskiego na poziomie co najmniej B2.