Data & MLOps Owner

Posiadasz:

• Bardzo dobrą znajomość Python w kontekście Big Data – potrafisz projektować równoległe obliczenia oraz optymalizować wykorzystanie pamięci I/O
• Pierwsze doświadczenia z MLOps oraz cyklem życia modeli, obejmujące model registry, monitoring driftu oraz walidację danych
• Umiejętność prowadzenia backlogu i priorytetyzacji zadań w oparciu o wartość biznesową, ryzyko i koszt, unikając podejścia „wszystko na raz”
• Zdolność do Ownershipu, gdy podejmujesz decyzje, domykasz tematy i egzekwujesz standardy jakości
• Praktyczne zrozumienie architektury systemów danych
• Doświadczenie we wdrażaniu modeli ML w środowisku przemysłowym (cykl życia modelu, drift, predykcja awarii, anomalie) i świadomość ryzyk
• Umiejętność projektowania analiz Real-Time (okna czasowe, detekcja zdarzeń, metryki jakości)
• Solidną znajomość SQL, Linux, Git oraz podstawy CI/CD
• Znajomość konteneryzacji i Kubernetes na poziomie pozwalającym diagnozować logi, zasoby i błędy deploymentu
• Świadomość produkcyjną
• Doświadczenie w pracy z danymi przemysłowymi (OT/SCADA, MQTT) lub „trudnymi danymi” (braki, opóźnienia, niespójne znaczniki czasu)
• Podstawową wiedzę z zakresu JS (JSON, REST, asynchroniczność), aby sprawnie komunikować się z zespołem frontendowym
• Skrupulatność, odpowiedzialność, komunikatywność, poczucie humoru😊

• Bieżący przegląd metryk modułu, obejmujący kontrolę wydajności obliczeń, błędów, opóźnień oraz obciążenia zasobów
• Dbanie o higienę backlogu poprzez doprecyzowanie definicji zadań, scenariuszy testowych, kryteriów akceptacji oraz planów wdrożeń
• Uzgadnianie priorytetów z interesariuszami i transparentne komunikowanie tego, co zostaje dostarczone w sprincie oraz jakie ryzyka projektowe są eliminowane
• Współpraca z zespołami DevOps i Developerskimi nad automatyzacją, mająca na celu eliminację manualnej pracy z logami i bazami danych 
• Konfiguracja procesów w platformie Smart RDM w modelu end-to-end: od punktu danych (datapoint) aż do wizualizacji wyniku na dashboardzie