MLOps Engineer (Machine Learning, MLFlow, Kubernetes, DVC)
⚲ Gdańsk, Oliwa, Poznań, Grunwald, Wrocław, Fabryczna
Do uzgodnienia
Wymagania
- wykształcenie wyższe (Master's, engineer's lub bachelor's)
- min. 4 lata doświadczenia w CI/CD i/lub technologiach chmurowych
- doświadczenie z Git, narzędziami CI/CD, Kubernetes, Docker, frameworkami ML (np. TensorFlow), monitoringiem i IaC
- język angielski min. B2 (pisemny i ustny)
Mile widziane
- praktyczne doświadczenie z MLflow, DVC lub podobnymi narzędziami do zarządzania cyklem życia modeli
- hands-on doświadczenie w AI/GenAI, w tym LLM, wzorce RAG i workflow agentowe w środowiskach produkcyjnych lub near-production
- znajomość vector search, embeddings, wzorców model-serving lub AI observability
Opis stanowiska
Capgemini szuka MLOps Engineera do zespołu Cloud & Custom Applications, który odpowiada za wdrażanie, monitorowanie i utrzymanie modeli ML w różnych środowiskach. Będziesz automatyzować deployment modeli, budować pipeline'y CI/CD dla workflow ML, konfigurować monitoring i observability oraz wspierać inicjatywy GenAI (LLM, RAG, workflow agentowe). To rola dla inżyniera z doświadczeniem w CI/CD i chmurze, który chce pracować w zwinnych, samoorganizujących się zespołach nad różnorodnymi projektami klienckimi. Uwaga: praca nad wieloma różnymi rozwiązaniami oznacza konieczność ciągłego uczenia się i elastyczności — może wiązać się z brakiem stabilności jednego, głównego projektu.
🔍 Dekoder Ogłoszenia
🟡
Master’s, engineer’s or bachelor’s degree.
Formalne wykształcenie jest wymagane, ale stopień magistra lub inżyniera nie jest priorytetem, jeśli kandydat ma odpowiednie doświadczenie.
🟡
At least 4 years of experience in CI/CD and/or cloud technologies.
Wymagane jest solidne doświadczenie, ale można je zdobyć albo w obszarze CI/CD, albo w chmurze, lub w obu.
🟡
Practical experience with MLflow, DVC or similar tools supporting model lifecycle management will be an advantage.
Znajomość tych narzędzi jest pożądana, ale nie jest to warunek konieczny do zatrudnienia.
🟡
Hands-on experience in AI / GenAI, including practical use of LLMs, RAG patterns and agentic workflows in production or near-production environments, will be an advantage.
Doświadczenie w obszarze GenAI jest mile widziane, ale nie jest kluczowe, jeśli inne wymagania są spełnione.
🔴
Working with diverse and technically advanced solutions will allow you to build strong relationships with clients and continuously grow your expertise.
Może oznaczać pracę nad wieloma różnymi projektami, co wymaga elastyczności i ciągłego uczenia się, ale także może wiązać się z brakiem stabilności jednego, głównego projektu.