Inżynier / Inżynierka Machine Learning / MLOps (Middle)

Nasze wymagania: Bardzo dobra znajomość Python (kod produkcyjny, nie tylko notebooki) Doświadczenie we wdrażaniu aplikacji ML/LLM na środowiska produkcyjne Bardzo dobra znajomość Linux (Debian / RHEL) – praca w terminalu, analiza logów, diagnostyka problemów Praktyczne doświadczenie z Kubernetes – deployment, utrzymanie, troubleshooting aplikacji konteneryzowanych Doświadczenie z Google Cloud Platform (GCP) Umiejętność projektowania i implementacji aplikacji z wykorzystaniem Machine Learning oraz Large Language Models (LLM) Znajomość praktyk DevOps / MLOps (CI/CD, automatyzacja, zarządzanie cyklem życia modeli) Samodzielność w diagnozowaniu i rozwiązywaniu problemów produkcyjnych Mile widziane: Doświadczenie w obszarze MLOps / LLMOps / Big Data Praca z narzędziami CI/CD (Jenkins, GitLab CI) Doświadczenie z hurtowniami danych i procesami ETL Znajomość narzędzi typu Airflow Doświadczenie z uruchamianiem modeli LLM w chmurze lub na infrastrukturze GPU O projekcie: Dołączysz do kilkuosobowego zespołu działającego w ramach MLOps i Formacji Sztucznej Inteligencji w dużej instytucji finansowej. Projekt dotyczy rozwiązań AI wykorzystywanych w skali enterprise. Twoją rolą będzie przenoszenie modeli z fazy eksperymentalnej do stabilnego środowiska produkcyjnego oraz dbanie o ich wydajność, skalowalność i niezawodność. To stanowisko dla osoby, która łączy kompetencje programistyczne, infrastrukturalne i ML oraz dobrze odnajduje się na styku developmentu oraz operacji. Zakres obowiązków: Projektowanie i implementacja aplikacji ML/LLM Wdrażanie i utrzymanie rozwiązań na środowiskach Linux + Kubernetes + GCP Rozwiązywanie problemów produkcyjnych (wydajność, skalowanie, monitoring) Współtworzenie standardów MLOps w organizacji Udział w inicjatywach rozwojowych zespołu AI Oferujemy: Pracę z nowoczesnymi technologiami ML i LLM w dużej organizacji finansowej Stabilny, długofalowy projekt (12+ miesięcy) Elastyczny model pracy – tylko 1 dzień w tygodniu w biurze Realny wpływ na rozwój rozwiązań AI w skali enterprise Możliwość rozwoju kompetencji w obszarze ML/MLOps