- Страна
- Испания
MLOps Engineer
Оценка ИИИнтересная роль в известной компании с релокацией в Барселону. Требования четкие, стек технологий современный и востребованный.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИПозиция требует глубоких знаний как в классическом программном обеспечении (Python, API), так и в специфических ML-инструментах (Databricks, Spark, PyTorch), а также навыков DevOps (K8s, CI/CD).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для MLOps-инженера уровня Senior в Барселоне рыночный диапазон составляет от 60 000 до 85 000 евро в год. Сумма сильно зависит от конкретного опыта кандидата и бонусной составляющей.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
MLOps Engineer / Appodeal *✅*
Barcelona, Spain
Appodeal is a growth platform for mobile apps, particularly focused on monetization and user acquisition.
Требования к кандидату:
- 3+ years of experience in MLOps or ML Platform Engineering
- Strong Python and software engineering skills
- Experience with APIs (FastAPI, Flask, or similar)
- Hands-on experience with DNNs using PyTorch or similar
- Solid understanding of distributed computing (Apache Spark)
- Experience with Databricks or equivalent cloud-based ML platform
- Familiarity with CI/CD pipelines (GitHub Actions or similar)
- Good understanding of Docker containers and Kubernetes
Читать подробнее:
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- FastAPI
- Flask
- PyTorch
- Apache Spark
- Databricks
- CI/CD
- GitHub Actions
- Docker
- Kubernetes
- MLOps
Возможные вопросы на собеседовании
Проверка опыта работы с облачными ML-платформами, указанными в вакансии.
Расскажите о вашем опыте работы с Databricks: как вы организовывали жизненный цикл моделей и управление данными?
Важно понять, как кандидат оптимизирует обработку больших данных.
С какими проблемами производительности в Apache Spark вы сталкивались и как их решали?
Проверка навыков деплоя и обслуживания моделей.
Как вы организуете мониторинг и версионирование моделей в продакшене при использовании FastAPI и Docker?
Оценка понимания специфики глубокого обучения.
Какие особенности MLOps-процессов вы выделяете при работе именно с DNN на PyTorch по сравнению с классическим ML?
Проверка навыков автоматизации.
Опишите ваш идеальный CI/CD пайплайн для ML-проекта: от коммита кода до обновления модели в кластере Kubernetes.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
