Inżynier Machine learning/MLOPS Senior
PKO Finat Sp. z o.o.
⚲ Warszawa
25 500 - 28 800 PLN (B2B)
Wymagania
- Python
- Cloud
- AI
- Linux
- DevOps
- MLOps
- Kubernetes
- ML
- LLM
- GCP
- Cl/CD
Opis stanowiska
Wymagania: - Python (projektowanie i nadzór nad rozwiązaniami ML/LLM)- Kubernetes (architektura + praktyka wdrożeniowa)- Google Cloud Platform (GCP)- Machine Learning / LLM - zrozumienie architektury i integracji- Linux (Debian / RHEL) - biegłość operacyjna- Leadership techniczny - prowadzenie zespołu, code review, mentoring- Samodzielne prowadzenie projektu - odpowiedzialność E2E- Rozwiązywanie problemów i podejmowanie decyzji technicznych To stanowisko jest dla Ciebie, jeśli: - Masz doświadczenie w samodzielnym prowadzeniu projektów technologicznych - szczególnie w obszarach AI/ML/MLOps.- Bardzo dobrze programujesz w Pythonie i masz doświadczenie w budowie aplikacji produkcyjnych.- Swobodnie poruszasz się w Linux (Debian, RHEL).- Masz praktyczne doświadczenie z Kubernetes.- Pracowałeś z rozwiązaniami chmurowymi (najlepiej GCP).- Znasz metodyki DevOps lub MLOps i potrafisz wdrażać je w praktyce.- Umiesz diagnozować problemy i proponować skuteczne rozwiązania.- Czujesz się komfortowo w pracy na styku IT i Biznesu, potrafisz tłumaczyć technologię na wartości biznesowe.- Chcesz rozwijać swoje kompetencje w obszarze ML/LLM oraz ich produkcyjnego wykorzystania. Codzienne zadania: - Samodzielnie prowadzić projekty MLOps end‑to‑end - od analizy potrzeb, przez projekt architektury, po wdrożenie i utrzymanie. - Ściśle współpracować z Biznesem, aby właściwie rozumieć potrzeby, priorytety oraz mierzalne cele projektów AI/ML. - Projektować i implementować rozwiązania wykorzystujące modele ML i LLM zgodnie z najlepszymi praktykami MLOps/LLMOps. - Utrzymywać i rozwijać środowiska produkcyjne działające w Kubernetes i Google Cloud Platform. - Diagnozować problemy techniczne oraz zapewniać stabilność i niezawodność wdrożonych aplikacji. - Współpracować z zespołami Data Science, Architektury, Security i DevOps, dbając o spójność całego rozwiązania. - Tworzyć i optymalizować procesy MLOps, w tym CI/CD, monitoring modeli, automatyzację pipeline'ów oraz governance. - Rekomendować nowe technologie, rozwiązania platformowe i usprawnienia procesów.