JOBILY AI ΣΥΝΟΨΗ
Τι θα κάνεις
- Σχεδιάζεις και υλοποιείς CI/CD pipelines για workloads δεδομένων και AI/ML, καλύπτοντας build, δοκιμές, ανάπτυξη και releases.
- Παρακολουθείς την παραγωγική λειτουργία και την observability των data pipelines και της υποδομής AI/ML.
- Διαχειρίζεσαι και επιλύεις incidents, κάνοντας triage σε data pipelines, alerts συστημάτων και λειτουργικά προβλήματα.
- Δημιουργείς runbooks, SOPs και πρωτόκολλα απόκρισης σε incidents για επαναλήψιμες και αξιόπιστες λειτουργίες.
- Βελτιστοποιείς την απόδοση και σχεδιάζεις τη χωρητικότητα συστημάτων δεδομένων και υποδομών.
- Παρακολουθείς και αναφέρεις λειτουργικές μετρήσεις, SLAs και τη διαθεσιμότητα πλατφορμών δεδομένων AI/ML.
- Παρακολουθείς και βελτιστοποιείς το cloud και Databricks κόστος μέσω tagging, budgets, chargeback, showback και right-sizing.
- Υποστηρίζεις παραγωγικές αναπτύξεις και αλλαγές.
Βασικές προϋποθέσεις
- 5+ χρόνια εμπειρίας
- Python, SQL και Bash scripting για αυτοματοποίηση και συντήρηση pipelines.
- Azure DevOps και Git για CI/CD και αυτοματοποιημένα deployment pipelines.
- Kubernetes, Docker και Apache Airflow για λειτουργία υποδομών και orchestration.
- Grafana, Azure Monitor και ELK Stack για observability, monitoring και logging.
- Databricks, Azure Data Factory και Azure cloud services για data workloads.
- Incident management και λειτουργική πειθαρχία σε SLAs, αλλαγές και runbooks.
- Πληροφορική / Μηχανική / Πληροφοριακά Συστήματα / Οποιοδήποτε Πεδίο
Παροχές
- Ανταγωνιστικές αποδοχές και παροχές, όπως ασφάλιση, performance-based bonuses, μηνιαία vouchers, ευέλικτες μορφές εργασίας, employee share purchase plan, γονική άδεια και εταιρικές εκπτώσεις.
- Οι παροχές περιλαμβάνουν επίσης συνεχή εκπαίδευση και ανάπτυξη, career coaching και mentoring, ευκαιρίες καριέρας σε διαφορετικούς πελάτες και κλάδους, καθώς και πολυμορφία και κουλτούρα συμπερίληψης.
Περιγραφή Θέσης
As an AI Ops & Data Ops Senior Engineer , you’ll keep the AI and data platform fast, reliable, observable, and continuously improving. You’ll build the operational backbone for data and AI/ML workloads, automating deployments, monitoring pipelines, enforcing SLAs, improving incident response, and…


