MLOps Engineer
⚲ Warszawa
160 - 180 PLN netto (B2B)
Wymagania
- AI
Opis stanowiska
Stawka: 160–180 PLN/h
Lokalizacja: Warszawa (hybrydowo, 1 dzień/tydz. z biura)
Start: ASAP
Poszukujemy doświadczonego Inżyniera MLOps/LLMOps, który dołączy do zespołu budującego i utrzymującego nowoczesną platformę AI w sektorze ubezpieczeniowym. Projekt obejmuje rozwój infrastruktury do trenowania, wdrażania i monitorowania modeli ML/GenAI w środowisku chmurowym Azure oraz architekturze hybrydowej.
Zakres obowiązków:
• Tworzenie i rozwój platformy AI wykorzystywanej w procesach biznesowych.
• Projektowanie i budowa infrastruktury MLOps/LLMOps z użyciem Azure Machine Learning, Azure AI Foundry oraz AKS.
• Implementacja CI/CD/CT dla rozwiązań ML (testy, wersjonowanie danych i modeli, automatyczne trenowanie).
• Konteneryzacja i orkiestracja: Docker, Kubernetes, Helm, Ingress; wdrożenia w środowisku hybrydowym.
• Monitoring i observability modeli: wykrywanie Data/Model Drift, logowanie, alertowanie.
• Wsparcie w obszarze AI Act: audytowalność modeli, lineage, bezpieczeństwo, zarządzanie dostępem.
• Optymalizacja kosztów i wydajności środowisk ML oraz inferencji modeli.
Wymagania (must have):
• Min. 3 lata doświadczenia w MLOps/DevOps/Software Engineering, w tym praca z modelami ML na produkcji.
• Bardzo dobra znajomość Docker i Kubernetes (zarządzanie klastrami, Helm charts, Ingress).
• Doświadczenie z chmurą publiczną — preferowane Azure (Azure ML, AKS, ACR) lub GCP/AWS z gotowością do wejścia w Azure.
• Praktyka w CI/CD (Azure DevOps, GitHub Actions, Jenkins) z uwzględnieniem specyfiki ML.
• Python + Bash/Shell na poziomie umożliwiającym automatyzację i pracę z ML SDK.
• Doświadczenie z MLflow, Kubeflow lub narzędziami chmurowymi do lifecycle management modeli.
• IaC: Terraform, Bicep lub Ansible.
• Możliwość świadczenia usług z terytorium Polski.
• Gotowość do pracy hybrydowej — 1 dzień w tygodniu z biura w Warszawie.
Kompetencje miękkie:
• Wykształcenie techniczne.
• Podejście „Automation First”.
• Umiejętność pracy na styku Data Science i IT Operations.
• Proaktywność w rozwiązywaniu problemów i incydentów produkcyjnych.
Mile widziane:
• Certyfikaty Azure (AZ‑400, AI‑102).
• Doświadczenie z LLM, RAG, wdrażaniem modeli GenAI.
• Prometheus, Grafana, Azure Monitor.
• Znajomość sieci w środowisku hybrydowym (VPN, VNet, Private Endpoints).
Zapraszamy do odwiedzenia naszej strony www.antal.pl
Lokalizacja: Warszawa (hybrydowo, 1 dzień/tydz. z biura)
Start: ASAP
Poszukujemy doświadczonego Inżyniera MLOps/LLMOps, który dołączy do zespołu budującego i utrzymującego nowoczesną platformę AI w sektorze ubezpieczeniowym. Projekt obejmuje rozwój infrastruktury do trenowania, wdrażania i monitorowania modeli ML/GenAI w środowisku chmurowym Azure oraz architekturze hybrydowej.
Zakres obowiązków:
• Tworzenie i rozwój platformy AI wykorzystywanej w procesach biznesowych.
• Projektowanie i budowa infrastruktury MLOps/LLMOps z użyciem Azure Machine Learning, Azure AI Foundry oraz AKS.
• Implementacja CI/CD/CT dla rozwiązań ML (testy, wersjonowanie danych i modeli, automatyczne trenowanie).
• Konteneryzacja i orkiestracja: Docker, Kubernetes, Helm, Ingress; wdrożenia w środowisku hybrydowym.
• Monitoring i observability modeli: wykrywanie Data/Model Drift, logowanie, alertowanie.
• Wsparcie w obszarze AI Act: audytowalność modeli, lineage, bezpieczeństwo, zarządzanie dostępem.
• Optymalizacja kosztów i wydajności środowisk ML oraz inferencji modeli.
Wymagania (must have):
• Min. 3 lata doświadczenia w MLOps/DevOps/Software Engineering, w tym praca z modelami ML na produkcji.
• Bardzo dobra znajomość Docker i Kubernetes (zarządzanie klastrami, Helm charts, Ingress).
• Doświadczenie z chmurą publiczną — preferowane Azure (Azure ML, AKS, ACR) lub GCP/AWS z gotowością do wejścia w Azure.
• Praktyka w CI/CD (Azure DevOps, GitHub Actions, Jenkins) z uwzględnieniem specyfiki ML.
• Python + Bash/Shell na poziomie umożliwiającym automatyzację i pracę z ML SDK.
• Doświadczenie z MLflow, Kubeflow lub narzędziami chmurowymi do lifecycle management modeli.
• IaC: Terraform, Bicep lub Ansible.
• Możliwość świadczenia usług z terytorium Polski.
• Gotowość do pracy hybrydowej — 1 dzień w tygodniu z biura w Warszawie.
Kompetencje miękkie:
• Wykształcenie techniczne.
• Podejście „Automation First”.
• Umiejętność pracy na styku Data Science i IT Operations.
• Proaktywność w rozwiązywaniu problemów i incydentów produkcyjnych.
Mile widziane:
• Certyfikaty Azure (AZ‑400, AI‑102).
• Doświadczenie z LLM, RAG, wdrażaniem modeli GenAI.
• Prometheus, Grafana, Azure Monitor.
• Znajomość sieci w środowisku hybrydowym (VPN, VNet, Private Endpoints).
Zapraszamy do odwiedzenia naszej strony www.antal.pl
🔍 Dekoder Ogłoszenia
🔴
nowoczesną platformę AI w sektorze ubezpieczeniowym
Może oznaczać, że platforma jest nowa, ale niekoniecznie w pełni dojrzała lub że jest to po prostu kolejna platforma AI w branży, która ma swoje specyficzne wyzwania.
🔴
architekturze hybrydowej
Oznacza, że część infrastruktury będzie on-premise lub w innej chmurze, co może generować dodatkową złożoność w zarządzaniu i integracji.
🔴
wsparcie w obszarze AI Act: audytowalność modeli, lineage, bezpieczeństwo, zarządzanie dostępem
Wymaga znajomości i implementacji regulacji prawnych związanych z AI, co może być nowym i złożonym obszarem dla wielu kandydatów.
🔴
preferowane Azure (Azure ML, AKS, ACR) lub GCP/AWS z gotowością do wejścia w Azure
Jeśli kandydat nie ma doświadczenia z Azure, będzie musiał szybko się go nauczyć, co może być wyzwaniem w krótkim czasie.
🟡
Min. 3 lata doświadczenia w MLOps/DevOps/Software Engineering, w tym praca z modelami ML na produkcji
Chociaż podane są lata, 'praca z modelami ML na produkcji' może oznaczać zarówno proste wdrożenia, jak i skomplikowane systemy, co wymaga doprecyzowania.