Inżynier Machine Learning

O Baronit:

W Baronit łączymy błyskotliwe umysły, aby kształtować przyszłość technologii. Jako pasjonujący zespół ekspertów technologicznych, przewodzimy innowacjami, wiedzą i ciekawością, pomagając firmom rozwijać się i dostosowywać do nowych możliwości. Nasi eksperci łączą doskonałość techniczną, znajomość branży i silne zaangażowanie w dostarczanie wyjątkowych rezultatów w sektorach takich jak motoryzacja, linie lotnicze, fintech, opieka zdrowotna, handel detaliczny, telekomunikacja, e-commerce i innych.

Jesteśmy firmą konsultingową IT z siedzibą w Göteborgu, poszukującą doświadczonego Inżyniera Machine Learning do dołączenia do naszego zespołu.

Kluczowe obowiązki:

• Ustanawianie najlepszych praktyk i wzorców MLOps dla skalowalnego wdrażania ML.
• Projektowanie i budowanie powtarzalnych potoków ML oraz infrastruktury do serwowania modeli.
• Zarządzanie i automatyzacja CI/CD dla ML przy użyciu GitHub Actions lub Azure DevOps.
• Praca w środowiskach cloud-first (GCP, Azure, AWS) z wykorzystaniem narzędzi takich jak Vertex AI, DBT, Airflow czy Kubeflow.
• Wdrażanie obserwowalności (monitorowanie modeli, wykrywanie dryfu) i infrastruktury jako kodu (Terraform, Helm).
• Współpraca z Data Scientistami, Inżynierami i Analitykami w celu przenoszenia modeli z notebooków do produkcji.
• Zapewnienie, że przepływy pracy ML są zgodne ze standardami zarządzania danymi, bezpieczeństwa i zgodności.
• Wkład w potoki serwowania i dostrajania modeli opartych na LLM, gdzie ma to zastosowanie.

Profil idealnego kandydata:

• Stopień akademicki w dziedzinie informatyki, inżynierii lub pokrewnej.
• 7+ lat doświadczenia w rozwoju oprogramowania/DevOps lub pokrewnej dziedzinie.
• 4+ lata doświadczenia w inżynierii ML lub MLOps w środowiskach produkcyjnych.
• Biegła znajomość Pythona (OOP, testowanie, czysty kod, zarządzanie pakietami).
• Doświadczenie w platformach chmurowych – GCP, Azure, AWS.
• Doświadczenie z usługami AWS do wdrażania ML i zarządzania infrastrukturą, w tym SageMaker, CloudWatch i IAM.
• Doświadczenie w tworzeniu RESTful API przy użyciu FastAPI do serwowania modeli i punktów końcowych inferencji, w tym integracji z CI/CD i middleware autoryzacji.
• Praktyczna znajomość potoków CI/CD, konteneryzacji (Docker, Kubernetes), infrastruktury jako kodu (Terraform, ArgoCD itp.), MLFlow, DBT i Airflow.
• Doświadczenie w strategiach monitorowania/obserwowalności dla produkcyjnych systemów ML, w tym śledzenie opóźnień, wykrywanie dryfu i zdrowie wersji modeli przy użyciu Prometheus, Grafana lub Vertex AI Model Monitoring.
• Silne umiejętności w SQL, modelowaniu danych i skalowalnych potokach danych.
• Umiejętność pracy w zwinnych, interdyscyplinarnych zespołach z jasną komunikacją i nastawieniem na odpowiedzialność.
• Silne analityczne umiejętności rozwiązywania problemów i zamiłowanie do czystych, łatwych w utrzymaniu systemów.
• Ciekawy, eksperymentalny i szybko uczący się z doskonałymi umiejętnościami komunikacyjnymi w języku angielskim.
• Doświadczenie z dużymi modelami językowymi i potokami LLMOps jest dodatkowym atutem.
• Znajomość zgodna ze standardami certyfikacji ML GCP/AWS (Vertex AI, IAM, Dataflow) jest dodatkowym atutem.

Oprócz ekscytujących projektów oferujemy również:

• Elastyczny model wynagrodzenia – wybierz między stałą pensją a modelem opartym na przychodach, w którym otrzymujesz X% stawki klienta, z pełną przejrzystością
• Forum techniczne do ciągłego uczenia się i wymiany wiedzy
• Działania społeczne, aby pozostać w kontakcie i zaangażowanym
• Roczną konferencję offsite dla integracji zespołu i inspiracji
• A przede wszystkim – świetnego ducha zespołu i skupienie na cieszeniu się wspólną podróżą