{"id":4025184,"url":"https://alion.io/job/etteplan-senior-mlops-engineer-gpu-infrastructure-kubernetes-python-mfnb","title":"Senior MLOps Engineer – GPU Infrastructure, Kubernetes & Python (M/F/NB)","company":{"id":56718,"name":"Etteplan","domain":"etteplan.com","url":"https://alion.io/company/etteplan","size_band":"1001-5000","is_staffing_agency":false,"employer_type":"direct","is_intermediary":false,"listed_via":null,"ats_vendor":"Jobylon","truth_index":{"grade":"B","score":79,"open_postings":39,"ghost_share":0,"stale_share":0.821,"repost_share":0,"time_to_fill_p50_days":26,"computed_at":"2026-11-10T06:52:35Z"}},"role":"AI/ML","role_family":"AI/ML","seniority":"senior","employment_type":null,"work_mode":"on_site","remote_scope":null,"remote_scope_basis":null,"remote_working_hours":null,"hiring_geo_confidence":"structured","locations":["Gdańsk, Poland"],"countries":["PL"],"hiring_countries":[],"hiring_countries_total":0,"salary":null,"salary_estimate":null,"experience_years_min":null,"visa_sponsorship":false,"relocation_package":false,"has_equity":false,"technologies":[{"name":"Ansible","optional":false},{"name":"AWS","optional":false},{"name":"Azure","optional":false},{"name":"CI/CD","optional":false},{"name":"CUDA","optional":false},{"name":"Docker","optional":false},{"name":"GCP","optional":false},{"name":"GDPR","optional":false},{"name":"GitHub Actions","optional":false},{"name":"GitLab CI","optional":false},{"name":"Kubernetes","optional":false},{"name":"Linux","optional":false},{"name":"MLFlow","optional":false},{"name":"OpenTofu","optional":false},{"name":"Pulumi","optional":false},{"name":"Python","optional":false},{"name":"PyTorch","optional":false},{"name":"SLURM","optional":false},{"name":"Terraform","optional":false},{"name":"Weights & Biases","optional":false},{"name":"FinOps","optional":true},{"name":"Grafana","optional":true},{"name":"LiteRT","optional":true},{"name":"LLM","optional":true},{"name":"Loki","optional":true},{"name":"ONNX","optional":true},{"name":"OpenTelemetry","optional":true},{"name":"Prometheus","optional":true},{"name":"TensorFlow","optional":true},{"name":"TFLite","optional":true}],"status":"live","first_seen_at":"2026-11-10T14:55:10Z","employer_posted_date":"2026-11-10","last_verified_at":"2026-11-10T16:38:36Z","board_verified":true,"closed_at":null,"days_open":0,"trust":{"level":"ok","repost_count":null,"flags":[],"days_open":0},"description":"Jak sprawić, żeby badacze AI trenowali modele na stabilnej, powtarzalnej platformie, bez kolejek do GPU i bez tygodni na konfigurację środowiska?\nOdpowiedź leży w infrastrukturze: harmonogramowaniu zasobów GPU, narzędziach dla badaczy i dyżurze, który pozwala szybko reagować, gdy coś przestaje działać.\nW Etteplan szukamy Senior MLOps Engineera, który przejmie odpowiedzialność za platformę, na której zespół AI naszego klienta trenuje i ocenia modele rekonstrukcji mowy. Dołączysz do małego zespołu platformowego, w którym współpracujesz na co dzień z badaczami AI oraz z drugim inżynierem odpowiedzialnym za usługi webowe i infrastrukturę produkcyjną.\nOd ponad 40 lat łączymy wiedzę inżynierską z nowoczesnymi technologiami. Tworzymy rozwiązania z obszaru software, embedded systems i zaawansowanej inżynierii, pomagając klientom rozwijać produkty i systemy wykorzystywane w rzeczywistym świecie.\nRola w skrócie\nObszar: platforma treningowa AI (MLOps), infrastruktura GPU, narzędzia dla badaczy\nKluczowe technologie: Kubernetes, Slurm, CUDA, PyTorch, MLflow / Weights & Biases / DVC, Terraform, Python\nGłówne zagadnienia: harmonogramowanie GPU, środowiska treningowe, pipeline'y danych audio, narzędzia dla badaczy, eksport modeli na urządzenia, dyżury on-call, zgodność z GDPR\nŚrodowisko: serwery GPU on-premise i chmura (AWS, GCP lub Azure), Linux\nPoziom: Senior\n\nO projekcie i Twojej roli\nDołączysz do zespołu klienta rozwijającego technologię rekonstrukcji mowy opartą na AI. Będziesz odpowiadać za środowiska, w których zespół trenuje i ocenia modele, za narzędzia potrzebne badaczom oraz za dyżur, gdy te narzędzia mają problemy.\nZespół platformowy tworzą dwie role: Senior MLOps Engineer, odpowiedzialny za platformę treningową AI, oraz Senior DevOps Engineer, odpowiedzialny za usługi webowe i produkcyjną infrastrukturę. Każda z ról ma własną domenę, ale są one zaprojektowane tak, by się wzajemnie zastępować. Dzielicie jedną rotację dyżurów, recenzujecie swoją pracę, stosujecie te same praktyki infrastructure as code i CI/CD oraz zastępujecie się w czasie urlopów, incydentów i intensywnych okresów wydań.\nCo chcemy osiągnąć w pierwszym roku:\nzespół AI trenuje i ocenia modele na powtarzalnej, dobrze udokumentowanej platformie z uczciwym harmonogramowaniem GPU,\nwłasne narzędzia do eksperymentów, ewaluacji i eksportu modeli są codziennie używane przez zespół AI,\nwspólna rotacja dyżurów z DevOps Engineerem działa, z runbookami dla obu domen,\npotrafisz przejąć obsługę usług webowych na czas nieobecności współpracownika.\nDlaczego warto?\nOdpowiadasz za całą platformę treningową. Od serwerów GPU po narzędzia, z których badacze korzystają codziennie, więc Twoja praca bezpośrednio przyspiesza rozwój modeli.\nBudujesz własne narzędzia, a nie tylko utrzymujesz cudze. Śledzenie eksperymentów, uruchamianie treningów, benchmarki i eksport modeli na urządzenia powstają z Twoim udziałem.\nPracujesz z infrastrukturą on-premise i w chmurze. Łączysz własne serwery GPU z pojemnością w chmurze i dbasz o koszty, bezpieczeństwo i powtarzalność.\nJesteś częścią małego, wzajemnie zastępującego się zespołu. Dzielisz dyżury, runbooki i praktyki z kolegą z DevOps, więc żadna domena nie zależy od jednej osoby.\nW tej roli będziesz odpowiadać za:\nPrzygotowanie i utrzymanie środowisk treningowych AI na serwerach GPU on-premise oraz w chmurze.\nZarządzanie harmonogramowaniem GPU i współdzielonymi zasobami obliczeniowymi (Kubernetes, Slurm lub podobne), tak aby badacze mieli uczciwy i przewidywalny dostęp.\nBudowę i utrzymanie pipeline'ów i magazynów dla dużych zbiorów danych audio: z wersjonowaniem, kontrolą dostępu i obsługą danych głosowych zgodną z GDPR.\nTworzenie własnych narzędzi dla zespołu AI, takich jak śledzenie eksperymentów, uruchamianie zadań treningowych, pipeline'y ewaluacji i benchmarków oraz eksport i pakowanie modeli dla urządzeń docelowych.\nPełnienie roli głównego inżyniera dyżurnego (on-call) dla problemów z narzędziami AI i infrastrukturą treningową.\nDbanie o to, aby środowiska treningowe były powtarzalne, bezpieczne i efektywne kosztowo w miarę rozwoju zespołu i modeli.\nUdział we wspólnej rotacji dyżurów obejmującej usługi produkcyjne i narzędzia AI oraz obsługę incydentów w obu domenach na podstawie wspólnych runbooków.\nRegularną pracę w domenie drugiej roli, tak aby żaden obszar nie zależał od jednej osoby.\nUtrzymywanie spójności infrastructure as code, CI/CD, zarządzania sekretami i kontroli dostępu w obu domenach.\nPisanie i utrzymywanie runbooków, notatek architektonicznych i postmortemów, z których korzystacie obaj.\nWsparcie w pracach nad bezpieczeństwem i zgodnością w całej firmie, w tym GDPR i obsługą danych głosowych.\nSzukamy osoby, która:\nMa co najmniej 5 lat doświadczenia w DevOps, SRE, MLOps lub inżynierii platform ML.\nMa doświadczenie w budowie i obsłudze infrastruktury GPU do trenowania modeli ML: sterowniki NVIDIA, CUDA, kontenery z obsługą GPU oraz trening na wielu GPU lub wielu węzłach.\nZna narzędzia ML, takie jak PyTorch, trening rozproszony, MLflow, Weights & Biases lub DVC.\nMa doświadczenie w budowie wewnętrznych narzędzi i procesów dla badaczy lub data scientistów.\nDobrze zna administrację Linuxem i podstawy sieci.\nZna infrastructure as code (Terraform, OpenTofu, Pulumi lub podobne) oraz zarządzanie konfiguracją (Ansible lub podobne).\nZna kontenery i orkiestrację: Docker i Kubernetes.\nZna pipeline'y CI/CD (GitHub Actions, GitLab CI lub podobne).\nBardzo dobrze zna Pythona i skrypty shell. Znajomość Go lub innego języka kompilowanego jest dodatkowym atutem.\nZna monitoring, logowanie i alertowanie (Prometheus, Grafana, Loki, OpenTelemetry lub podobne).\nMa praktyczne doświadczenie z co najmniej jedną dużą chmurą (AWS, GCP lub Azure).\nMa doświadczenie w prowadzeniu rotacji dyżurów: reagowanie na incydenty, postmortemy i ograniczanie szumu alertów.\nChce poznawać i obsługiwać domenę drugiej roli oraz dzielić dyżur.\nSwobodnie posługuje się językiem angielskim w mowie i piśmie.\nDocenimy również:\nDoświadczenie po stronie DevOps: budowanie i prowadzenie produkcyjnych usług webowych i API.\nBudowanie lokalnych (on-premise) środowisk LLM dla małych zespołów.\nDoświadczenie z danymi z obszaru mowy, audio lub przetwarzania sygnałów.\nOptymalizację i eksport modeli na urządzenia brzegowe (ONNX, TFLite/LiteRT, kwantyzacja).\nInżynierię danych dla dużych zbiorów danych nieustrukturyzowanych (magazyny obiektowe, wersjonowanie danych, pipeline'y adnotacji).\nOptymalizację kosztów (FinOps) dla obciążeń GPU.\nJak przebiega proces rekrutacyjny?\nPrześlij nam swoje CV w języku angielskim, dopisując w formularzu oczekiwania finansowe, preferowaną formę współpracy oraz dyspozycyjność.\nTeraz czas na nasz ruch - analizę Twojego zgłoszenia. Jeśli przebiegła pomyślnie, zaprosimy Cię na dłuższą rozmowę w formie zdalnej (ok. 1.5h).\nPo spotkaniu spodziewaj się feedbacku w przeciągu 2 tygodni.\nPowyższe etapy poszły Ci jak z płatka? Świetnie! Witaj w Etteplan :)\nMożesz też zajrzeć na naszą stronę internetową lub Facebooka i zobaczyć, co ciekawego się u nas dzieje!\n-\nNasza firma wdrożyła procedury ochrony sygnalistów zgodnie z obowiązującą ustawą. Każda osoba ma prawo zgłaszać nieprawidłowości w bezpieczny sposób, a zgłoszenia są objęte pełną ochroną prawną. Więcej informacji: https://www.etteplan.com/pl/kodeks-postepowania/","description_format":"text","description_chars":7302,"description_truncated":false,"requirements":{"experience_years_min":null,"management_years_min":null,"team_size_min":null,"manages_managers":false,"education":null,"security_clearance":false,"languages":[{"language":"Polish","level":"Advanced (C1)","optional":false}]},"benefits":[],"hiring_locations":[],"hiring_excludes":[],"relocation_offered":false,"industries":["Embedded & Electronics Design","Electrical & Electronic Engineering","Engineering Services"],"lifecycle":[{"event":"open","at":"2026-11-10T16:38:36Z"}],"visa":[],"liveness":{"score":86,"band":"hot","label":"Hiring now","p_open":1,"p_active":0.86,"p_room":1,"age_days":0,"expected_fill_days":26,"reasons":["conf:4","win:early"],"computed_at":"2026-11-10T20:58:13Z"},"pay":null,"html_url":"https://alion.io/job/etteplan-senior-mlops-engineer-gpu-infrastructure-kubernetes-python-mfnb","json_url":"https://alion.io/job/etteplan-senior-mlops-engineer-gpu-infrastructure-kubernetes-python-mfnb.json","meta":{"generated_at":"2026-11-10T20:58:13Z","cache_seconds":300,"methodology":"https://alion.io/methodology","terms":"https://alion.io/terms","contact":"https://alion.io/contact","api":"https://alion.io/developers","about":"Alion is a live layer of people, companies and AI agents: who they are, whether they are real and active right now, what they do and how to work with them, readable by people and by agents and paid per call.","catalog":"https://alion.io/catalog.json","usage":{"tier":"crawler_verified","counted_by":"address","units_charged":1,"used_today":14067,"day_limit":null,"remaining_today":null,"minute_limit":300,"resets_at":"2026-11-11T00:00:00Z"}},"offers":[{"id":"company.slices","title":"One company in depth, by slice","status":"live","price":{"credits":0.1,"usd":0.01,"plus_per_slice":{"credits":0.05,"usd":0.005}},"unit":"per company, plus each slice with data","note":"the employer in depth","call":{"mcp_tool":"get_company","arguments":{"id":56718},"rest":"https://alion.io/mcp/rest/get_company?id=56718"},"human":"https://alion.io/catalog?offer=company.slices&for=job%2Fetteplan-senior-mlops-engineer-gpu-infrastructure-kubernetes-python-mfnb"},{"id":"market.stats","title":"A market slice: pay, demand and time to fill","status":"live","price":{"credits":2,"usd":0.2},"unit":"per slice","note":"pay, demand and time to fill for this role and place","call":{"mcp_tool":"market_stats"},"human":"https://alion.io/catalog?offer=market.stats&for=job%2Fetteplan-senior-mlops-engineer-gpu-infrastructure-kubernetes-python-mfnb"},{"id":"job.search","title":"Open jobs by role, technology, place, pay and visa","status":"live","price":{"credits":0.1,"usd":0.01},"unit":"per posting in a list","note":"similar open postings","call":{"mcp_tool":"search_jobs"},"human":"https://alion.io/catalog?offer=job.search&for=job%2Fetteplan-senior-mlops-engineer-gpu-infrastructure-kubernetes-python-mfnb"},{"id":"company.verify","title":"Is this company real and active right now","status":"pilot","price":null,"unit":"per company","request":{"url":"https://alion.io/catalog/request","method":"POST","body":"{\"offer\": \"company.verify\", \"for\": \"job/etteplan-senior-mlops-engineer-gpu-infrastructure-kubernetes-python-mfnb\", \"note\": \"what you need it for\"}"},"human":"https://alion.io/catalog?offer=company.verify&for=job%2Fetteplan-senior-mlops-engineer-gpu-infrastructure-kubernetes-python-mfnb"}],"agent":{"mcp":"https://alion.io/mcp/jobs","mcp_open":"https://alion.io/mcp/open","next":[{"tool":"get_job","arguments":{"id":4025184}},{"tool":"search_jobs","arguments":{"company":"etteplan.com","detail":"compact"}},{"tool":"match_people","arguments":{"job_id":4025184},"note":"people open to offers who fit this vacancy"}],"note":"The same data through MCP tools: https://alion.io/mcp/open needs no sign-in (compact searches, postings, people); https://alion.io/mcp with an Alion account has everything. Docs: https://alion.io/developers"}}