Data Engineer – DataOps / MLOps

Bygg data- och AI-plattformar som fungerar i produktion

På Regent arbetar vi med hela spektrumet inom modern mjukvaruutveckling. Inom Cloud, Infrastruktur & DevOps hjälper vi våra kunder att bygga automatiserade, skalbara och tillförlitliga plattformar och leveransflöden.

Nu söker vi en erfaren Data Engineer med fokus på DataOps och MLOps som vill arbeta i skärningspunkten mellan data, AI, cloud och DevOps.

Vi söker dig som ser data pipelines, ML-modeller och AI-tjänster som produktionssystem – och vill bygga dem därefter.

Det innebär automation, versionshantering, observability, Infrastructure as Code och repeterbara leveranser snarare än manuella processer och lösningar som bara fungerar i utvecklingsmiljön.

Vad du kommer att göra

Som konsult hos oss arbetar du med moderna data- och AI-plattformar där stora mängder data behöver hanteras, bearbetas och levereras på ett tillförlitligt sätt.

Ditt ansvar kan bland annat innebära att:

• Designa och bygga robusta data pipelines och dataflöden
• Etablera CI/CD för data pipelines, ML-modeller och AI-tjänster
• Automatisera infrastruktur för data- och AI-plattformar
• Arbeta med Infrastructure as Code och automatiserad environment management
• Bygga processer för deployment och versionshantering av ML-modeller och LLM-tjänster
• Implementera monitoring, logging, tracing och observability
• Säkerställa data quality och reliability genom automatiserade kontroller
• Arbeta med skalbarhet, prestanda och kostnadsoptimering
• Hantera produktionsproblem och bidra till incident management och operational excellence
• Skapa gemensamma plattformar och verktyg som gör det enklare för Data Engineers, Data Scientists och AI Engineers att gå från experiment till produktion

Du arbetar ofta i gränslandet mellan Data Engineering, AI, Cloud och DevOps, med målet att göra data- och AI-leveranser lika robusta och repeterbara som modern mjukvaruleverans.

Typisk teknikstack

Våra konsulter kan exempelvis arbeta med:

• Databricks / Snowflake
• Apache Airflow / Dagster
• Kafka och event-driven data processing
• Python / SQL
• Docker / Kubernetes
• Terraform och Infrastructure as Code
• GitHub Actions / GitLab CI / Azure DevOps
• MLflow och MLOps-plattformar
• Grafana / OpenTelemetry och observability
• Azure / AWS / GCP

Du behöver inte vara expert på alla dessa tekniker. För oss är din förmåga att förstå hela flödet från data och modell till deployment och produktion viktigare än erfarenhet av en specifik produkt.

Vi tror att du har

Du har en stark teknisk bakgrund inom Data Engineering, MLOps, DataOps eller Platform Engineering och tycker att produktionssättning och drift är en naturlig del av engineering.

Vi tror att du:

• Har flera års erfarenhet av Data Engineering och moderna data pipelines
• Har erfarenhet av att automatisera build, test och deployment av dataflöden
• Har arbetat med cloud-baserade data- eller AI-plattformar
• Har erfarenhet av CI/CD och Infrastructure as Code
• Förstår hur data- och ML-system behöver monitoreras och hanteras i produktion
• Är bekväm med containers och moderna cloud-miljöer
• Förstår vikten av data quality, observability och reliability
• Trivs med att samarbeta med Data Engineers, Data Scientists, ML Engineers, utvecklare och plattformsteam

Erfarenhet av MLOps, model deployment, LLMOps, Kubernetes, SRE eller produktionsansvar/on-call är särskilt intressant.

Data och AI behöver också DevOps

Att bygga en pipeline eller träna en modell är bara början.

För att skapa verkligt värde behöver data- och AI-lösningar kunna testas, versionshanteras, deployas, monitoreras och vidareutvecklas på ett säkert och repeterbart sätt.

Det är här Data Engineering möter DevOps – och där erfarenheter från både Cloud, Infrastruktur & DevOps och Test, Testledning & Quality Assurance blir relevanta.

Vi är därför särskilt intresserade av dig som vill arbeta med frågor som:

• Hur testar vi data pipelines och datakvalitet automatiskt?
• Hur skapar vi CI/CD för data, modeller och AI-tjänster?
• Hur tar vi en ML-modell eller LLM-baserad tjänst från experiment till stabil produktion?
• Hur upptäcker vi när data, modeller eller pipelines börjar bete sig annorlunda?
• Hur bygger vi plattformar där Data Scientists och AI Engineers kan arbeta snabbt utan att kompromissa med reliability, security eller cost control?

Varför Regent?

Hos Regent blir du en del av ett bolag med stark kompetens inom modern mjukvaruutveckling.

Rollen har en naturlig koppling till vårt område Cloud, Infrastruktur & DevOps, där vi arbetar med allt från cloud och plattformsutveckling till automation, CI/CD och moderna leveransflöden. Samtidigt finns en tydlig koppling till Test, Testledning & Quality Assurance genom frågor som data quality, testautomation och kvalitet i komplexa leveransflöden.

Du får möjlighet att:

• Arbeta med moderna data- och AI-plattformar
• Kombinera Data Engineering med DevOps, Cloud och Platform Engineering
• Arbeta med både etablerade dataplattformar och nya AI/ML- och LLM-baserade lösningar
• Påverka arkitektur, teknikval och engineering practices
• Utbyta erfarenheter med seniora specialister inom DevOps, cloud, QA, automation och mjukvaruutveckling
• Vara med och utveckla vår kompetens och våra erbjudanden inom DataOps, MLOps och AI Engineering

Intresserad?

Om du gillar att kombinera data, cloud och automation och vill bygga data- och AI-plattformar som fungerar lika bra i produktion som på ritbordet vill vi gärna prata med dig.

Hör av dig så tar vi ett förutsättningslöst samtal.