Administrator Platformy AI (Junior) (m/k)
⚲ Wrocław
Do uzgodnienia
Wymagania
- Kubernetes
- Docker
- Helm
- ArgoCD
- vLLM
- Linux
- CI/CD
- DevOps
- LLM
- Python
Opis stanowiska
Nasze wymagania:
Znajomość Docker oraz Kubernetes.
Podstawowa znajomość praktyk DevOps i procesów CI/CD.
Znajomość Helm oraz ArgoCD.
Podstawowa znajomość vLLM lub doświadczenie w uruchamianiu modeli LLM na własnej infrastrukturze.
Umiejętność pracy w środowisku Linux.
Umiejętność monitorowania usług oraz diagnozowania podstawowych problemów z działaniem aplikacji.
Pierwsze doświadczenie zawodowe lub projektowe związane z infrastrukturą IT, DevOps lub AI.
Wykształcenie techniczne lub status studenta kierunku technicznego.
Język angielski na poziomie minimum B2.
Mile widziane:
Znajomość Python.
Doświadczenie z platformami chmurowymi (Azure, AWS, GCP).
Znajomość narzędzi do uruchamiania modeli LLM, takich jak Ollama, Hugging Face czy Text Generation Inference (TGI).
Doświadczenie w optymalizacji wydajności środowisk AI.
O projekcie:
Dołącz do zespołu rozwijającego nowoczesną platformę AI, odpowiedzialną za uruchamianie i utrzymanie modeli LLM na własnej infrastrukturze. To propozycja dla osób, które chcą zdobywać praktyczne doświadczenie z technologiami Kubernetes, DevOps i AI Platform Engineering oraz rozwijać się w obszarze MLOps.
Zakres obowiązków:
Rozwijanie i utrzymywanie platformy AI.
Wdrażanie oraz administracja aplikacjami działającymi w środowisku Kubernetes.
Przygotowywanie i utrzymywanie wdrożeń z wykorzystaniem Helm oraz ArgoCD.
Uruchamianie i utrzymanie modeli LLM na infrastrukturze organizacji.
Monitorowanie działania usług i modeli AI.
Analiza logów, diagnozowanie problemów oraz usuwanie awarii.
Optymalizacja wykorzystania zasobów infrastruktury.
Wsparcie automatyzacji procesów wdrożeniowych i utrzymaniowych.
Testowanie oraz wdrażanie nowych rozwiązań wspierających rozwój platformy AI.
Znajomość Docker oraz Kubernetes.
Podstawowa znajomość praktyk DevOps i procesów CI/CD.
Znajomość Helm oraz ArgoCD.
Podstawowa znajomość vLLM lub doświadczenie w uruchamianiu modeli LLM na własnej infrastrukturze.
Umiejętność pracy w środowisku Linux.
Umiejętność monitorowania usług oraz diagnozowania podstawowych problemów z działaniem aplikacji.
Pierwsze doświadczenie zawodowe lub projektowe związane z infrastrukturą IT, DevOps lub AI.
Wykształcenie techniczne lub status studenta kierunku technicznego.
Język angielski na poziomie minimum B2.
Mile widziane:
Znajomość Python.
Doświadczenie z platformami chmurowymi (Azure, AWS, GCP).
Znajomość narzędzi do uruchamiania modeli LLM, takich jak Ollama, Hugging Face czy Text Generation Inference (TGI).
Doświadczenie w optymalizacji wydajności środowisk AI.
O projekcie:
Dołącz do zespołu rozwijającego nowoczesną platformę AI, odpowiedzialną za uruchamianie i utrzymanie modeli LLM na własnej infrastrukturze. To propozycja dla osób, które chcą zdobywać praktyczne doświadczenie z technologiami Kubernetes, DevOps i AI Platform Engineering oraz rozwijać się w obszarze MLOps.
Zakres obowiązków:
Rozwijanie i utrzymywanie platformy AI.
Wdrażanie oraz administracja aplikacjami działającymi w środowisku Kubernetes.
Przygotowywanie i utrzymywanie wdrożeń z wykorzystaniem Helm oraz ArgoCD.
Uruchamianie i utrzymanie modeli LLM na infrastrukturze organizacji.
Monitorowanie działania usług i modeli AI.
Analiza logów, diagnozowanie problemów oraz usuwanie awarii.
Optymalizacja wykorzystania zasobów infrastruktury.
Wsparcie automatyzacji procesów wdrożeniowych i utrzymaniowych.
Testowanie oraz wdrażanie nowych rozwiązań wspierających rozwój platformy AI.
🔍 Dekoder Ogłoszenia
🔴
Pierwsze doświadczenie zawodowe lub projektowe związane z infrastrukturą IT, DevOps lub AI.
Szukają kogoś, kto ma już jakieś praktyczne doświadczenie, nawet jeśli nie jest to pełnoetatowa praca, ale może być to projekt studencki lub osobisty.
🟡
Podstawowa znajomość praktyk DevOps i procesów CI/CD.
Oczekują zrozumienia koncepcji, ale niekoniecznie głębokiego doświadczenia w implementacji.
🔴
Podstawowa znajomość vLLM lub doświadczenie w uruchamianiu modeli LLM na własnej infrastrukturze.
Może oznaczać, że oczekują umiejętności skonfigurowania i uruchomienia modelu, nawet jeśli nie będą to zaawansowane operacje.
🟡
Rozwijanie i utrzymywanie platformy AI.
Obejmuje to zarówno dodawanie nowych funkcji, jak i dbanie o stabilność istniejących komponentów.
🔴
Uruchamianie i utrzymanie modeli LLM na infrastrukturze organizacji.
Może oznaczać zarówno proste wdrożenia, jak i bardziej skomplikowane zadania związane z zarządzaniem zasobami i wydajnością.