MLOps Engineer
⚲ Kraków
Do uzgodnienia
Wymagania
- min. 3 lata doświadczenia w DevOps, MLOps lub Software Engineering
- praktyczne doświadczenie we wdrażaniu i utrzymaniu modeli ML na środowiskach produkcyjnych
- zaawansowana znajomość Docker i Kubernetes (zarządzanie klastrami, Helm Charts, Ingress)
- bardzo dobra znajomość Microsoft Azure (Azure Machine Learning, AKS, Azure Container Registry) lub AWS/GCP z gotowością do szybkiego wejścia w Azure
- doświadczenie w tworzeniu pipeline'ów CI/CD (Azure DevOps, GitHub Actions lub Jenkins)
- gotowość do pracy hybrydowej — 1 dzień w tygodniu w biurze klienta w Warszawie
Mile widziane
- certyfikaty AZ-400 lub AI-102
- doświadczenie we wdrażaniu modeli LLM oraz rozwiązań opartych o RAG
Opis stanowiska
Dołączysz do zespołu realizującego projekt dla dużego klienta z rynku ubezpieczeniowego, który inwestuje w analitykę danych i AI. Twoim zadaniem będzie projektowanie, rozwój i utrzymanie infrastruktury MLOps/LLMOps — budowa skalowalnego środowiska do trenowania i serwowania modeli (Azure Machine Learning, AKS), pipeline'y CI/CD/CT oraz automatyzacja wersjonowania danych i modeli. To oferta dla inżyniera, który łączy kompetencje DevOps z praktyką wdrażania modeli ML na produkcji i chce pracować w środowisku dużych zbiorów danych oraz współpracy z zespołami data science i aktuariatu. Praca hybrydowa — 1 dzień w tygodniu w biurze klienta w Warszawie.
🔍 Dekoder Ogłoszenia
🟡
realnie wspieramy się w rozwoju kompetencji
Może oznaczać, że firma oferuje szkolenia i możliwości rozwoju, ale równie dobrze może sugerować, że pracownicy muszą sami aktywnie szukać i inicjować swój rozwój.
🟡
zyskasz możliwość: pracy nad realnymi wyzwaniami biznesowymi w skali milionów klientów
Choć brzmi imponująco, może oznaczać pracę nad bardzo złożonymi i potencjalnie frustrującymi problemami, które są trudne do rozwiązania ze względu na skalę.
🟡
dostępu do nowoczesnych narzędzi i dużych zbiorów danych
Może oznaczać dostęp do najnowszych technologii, ale równie dobrze może oznaczać konieczność radzenia sobie z ogromną ilością danych, co może być obciążające i wymagać specyficznych umiejętności.
🟡
współpracy z doświadczonymi ekspertami z obszaru data science, aktuariatu i IT
Brzmi jak świetna okazja do nauki, ale może też oznaczać, że będziesz pracować pod ścisłym nadzorem lub że oczekuje się od Ciebie szybkiego przyswojenia wiedzy od tych ekspertów.
🟡
realnego wpływu na procesy decyzyjne
Może oznaczać, że Twoje opinie będą brane pod uwagę, ale równie dobrze może sugerować, że będziesz musiał dużo argumentować i przekonywać, aby cokolwiek zmienić.