AI Developer
Moondigo Sp. z o.o.
⚲ Warszawa
15 120 - 27 720 PLN (B2B)
Wymagania
- Azure
- SQL
- MLOps
- GCP
- NLP
- Docker
- Kubernetes
- CI/CD
- AI
- Data science
- Python
- pandas
- scikit-learn
- PyTorch
- TensorFlow
- Azure ML
- MLflow
- CD
- AI
- Power Platform (nice to have)
- Azure AI Foundry (nice to have)
- Kafka (nice to have)
- ESB (nice to have)
- CIS (nice to have)
- Git (nice to have)
- Data Lake (nice to have)
Opis stanowiska
O projekcie: Dla jednej z największych firm ubezpieczeniowych w Polsce poszukujemy AI Developera, który dołączy do zespołu budującego i rozwijającego nowoczesne rozwiązania AI oraz GenAI w środowisku Azure. Oferujemy: - Kontrakt B2B z możliwością długoterminowej współpracy - Praca hybrydowa: 1 dzień w tygodniu w biurze w Warszawie - Prywatna opieka medyczna (Luxmed) - Karta Multisport - Projekty w nowoczesnym środowisku IT dla dużej, międzynarodowej firmy ubezpieczeniowej Wymagania: - Minimum 3 lata doświadczenia w Data Science / AI, w tym co najmniej 1 rok wdrożeń produkcyjnych - Bardzo dobra znajomość Python (pandas, scikit-learn, PyTorch / TensorFlow) oraz SQL - Praktyczne doświadczenie w MLOps: Azure ML, MLflow, Docker, Kubernetes, CI/CD - Doświadczenie w pracy z NLP / OCR oraz danymi niestrukturyzowanymi - Znajomość chmur Azure oraz GCP - Rozumienie zagadnień AI Governance, AI Act, compliance modeli - Wykształcenie wyższe techniczne (Informatyka, Matematyka, Inżynieria, Nauki Ścisłe lub pokrewne) - Umiejętność analitycznego i ustrukturyzowanego rozwiązywania problemów - Proaktywność i odpowiedzialność za temat od koncepcji do produkcji Mile widziane: - Doświadczenie z Azure AI Foundry / Azure AI Search / Power Platform - Certyfikaty DP-100, AI-102, AI-900 - Znajomość branży ubezpieczeniowej - Doświadczenie z integracjami (Kafka, ESB) - Praca z Git i w metodykach Agile / Scrum - Wiedza z zakresu data lake, danych niestrukturyzowanych oraz bezpieczeństwa danych Codzienne zadania: - Projektowanie, tuning i wdrażanie modeli AI/ML oraz rozwiązań GenAI w oparciu o Azure AI Foundry i Azure Machine Learning - Budowa i utrzymanie pipeline’ów MLOps / LLMOps (MLflow, Docker, Kubernetes, CI/CD) - Integracja rozwiązań AI z ekosystemem ponad 30 systemów w architekturze hybrydowej - Implementacja rozwiązań RAG (Azure AI Search) oraz praca z modelami LLM w Azure OpenAI - Praca z danymi niestrukturyzowanymi (NLP, OCR, dokumenty) - Zapewnienie zgodności z AI Act: dokumentacja modeli, monitoring, obsługa incydentów - Ścisła współpraca z zespołami biznesowymi - Tworzenie materiałów szkoleniowych i prezentowanie efektów pracy interesariuszom