Lead MLOps Engineer

Jakub
Woropaj

11 lat doświadczenia w Data Science i MLOps. Transformuję operacje ML w każdej skali – od startupów po korporacje, od pierwszego modelu po wdrożenia obsługujące miliardy predykcji.

Kluczowe metryki

Wygenerowana wartość €120M+
Modeli w produkcji 14,000+
Redukcja kosztów infrastruktury 70x
Awarii krytycznych (3.5 roku) ZERO

Od Data Science do MLOps

Lip 2023 → Obecnie
Lead MLOps Engineer
Bayer Sp. z o.o.
Industrializacja projektów ML, definiowanie standardów i najlepszych praktyk MLOps w organizacji. Budowa centrum doskonałości MLOps.
Stack: Python, Databricks, Azure
Lut 2020 → Cze 2023
Senior Data Scientist
Britenet (Kontrakt)
Projekt na dużą skalę dla klienta FMCG: projektowanie i implementacja modeli statystycznych, koordynacja rozwoju kodu, wdrażanie najlepszych praktyk, mentoring członków zespołu. Praktyczne zadania DevOps i MLOps.
Stack: R, Python, SQL, Azure, Snowflake, Docker, Kubernetes, RabbitMQ
Sie 2018 → Paź 2019
Expert Data Scientist
Roche
Tworzenie rozwiązań ML dla biznesu, implementacja XGBoost z własnymi metrykami, rozwój pakietów R, selekcja cech i redukcja wymiarowości. Doradca w problemach statystycznych i oceniający w rekrutacji.
Stack: R, Python, Git, SQL
Cze 2014 → Lip 2018
Senior Data Scientist
Poznańskie Centrum Superkomputerowo-Sieciowe
Statystyka, analiza danych, Machine Learning w Dziale Platform Usług Danych Naukowych. Analiza ekspresji genów na dużych zbiorach danych, badania nad jaskrą, gdzie odkryłem zależności nieopisane jeszcze w literaturze naukowej. Codzienne konsultacje statystyczne dla zespołów międzydziałowych.
Stack: R, Python, NGS, Time Series, PCA, XGBoost

Liczby, które mówią same

99%
Redukcja czasu wdrożenia
Z 2 tygodni do 4 godzin. Pełna automatyzacja workflow ML – od treningu do produkcji.
🌍
12 krajów
Skalowanie w 18 miesięcy
Od pilota w 1 kraju do operacji w 12 rynkach europejskich. Ekspansja na LATAM i USA w toku.
💰
€3M
Roczne oszczędności w chmurze
Redukcja kosztów infrastruktury 70x przy jednoczesnym skalowaniu 12x. Przeprojektowanie architektury i optymalizacja obliczeń.
"

Osiągnięcie 70-krotnej redukcji kosztów przy jednoczesnym 12-krotnym skalowaniu wydaje się niemożliwe. Ale zrobiliśmy to przez systematyczną optymalizację – najpierw architektura, potem każdy pojedynczy komponent obliczeniowy. To nie tylko oszczędności – to dowód, że możemy skalować w nieskończoność bez liniowego wzrostu kosztów.

— podejście do optymalizacji platform ML

Enterprise na skalę

Złoty Standard

Platforma MLOps

Bayer Consumer Health
3,000+
modeli produkcyjnych
€2.5B
wpływ na sprzedaż OTC
€120M
wygenerowana wartość
10 DS
mentorowanych do autonomii

Zaprojektowałem i wdrożyłem flagową platformę MLOps obsługującą prognozowanie popytu na leki OTC w całej Europie. Stworzyłem centrum doskonałości MLOps: governance, dokumentacja, programy szkoleniowe.

MLOps Azure Databricks Python MLflow Azure Data Factory
Mission Critical

System prognozowania popytu

Żabka
14,000
sklepów
560M
predykcji dziennie
35%
redukcja odpadów
€8M
oszczędności / miesiąc

System ML przetwarzający terabajty danych dla 8k SKU na sklep. Zero krytycznych awarii przez 3.5 roku. Klient był tak zadowolony, że przejął całą operację in-house – to najlepsza walidacja jakości.

Azure Python R Kubernetes Time Series Intermittent Demand Forecasting Message Brokers

Stack technologiczny

MLOps & Infrastruktura
Kubernetes Docker MLflow Databricks Azure ML Azure Cloud Spark Snowflake
Data Science & ML
Python R PyTorch scikit-learn XGBoost LightGBM Pandas Time Series SQL
DevOps & Engineering
CI/CD Git GitHub Azure DevOps Linux Monitoring IaC

Porozmawiajmy
o współpracy

Otwarty na ambitne projekty MLOps i leadership roles w organizacjach, które poważnie podchodzą do ML na skalę.