MLOps Engineer (Machine Learning, MLFlow, Kubernetes, DVC)
⚲ Gdańsk, Poznań, Wrocław
Do uzgodnienia
Wymagania
- wykształcenie wyższe (licencjat, inżynier lub magister)
- min. 4 lata doświadczenia w CI/CD i/lub technologiach chmurowych
- doświadczenie z Git, narzędziami CI/CD, Kubernetes, Docker, frameworkami ML (np. TensorFlow) oraz narzędziami monitoringu i logowania
- doświadczenie z Infrastructure as Code
- 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 praktyczne użycie LLM, wzorców RAG i agentic workflows w środowiskach produkcyjnych lub okołoprodukcyjnych
- znajomość vector search, embeddings, wzorców model-serving lub AI observability
Opis stanowiska
W tej roli odpowiadasz za to, żeby modele ML były sprawnie wdrażane, utrzymywane i monitorowane w różnych środowiskach — od automatyzacji deploymentu i aktualizacji, przez pipeline'y CI/CD dla modeli, po monitoring, logging i observability platform model-servingowych. Będziesz też wspierać inicjatywy AI/GenAI (LLM, RAG, agentic workflows) i pomagać budować praktyki MLOps w zakresie wersjonowania modeli, reprodukowalności i governance. To oferta dla inżyniera, który łączy kompetencje DevOps/infra z pracą blisko modeli ML. Uwaga: większość zaawansowanych obszarów (MLflow/DVC, LLM/RAG, vector search, AI observability) jest oznaczona jako 'will be an advantage' — realnie mogą być mile widziane, ale warto dopytać, czy nie staną się oczekiwane w praktyce.
🔍 Dekoder Ogłoszenia
🔴
At least 4 years of experience in CI/CD and/or cloud technologies.
Może oznaczać doświadczenie w jednym z tych obszarów, a niekoniecznie w obu, co może być kluczowe dla roli MLOps.
🔴
Practical experience with MLflow, DVC or similar tools supporting model lifecycle management will be an advantage.
Określenie 'will be an advantage' sugeruje, że jest to mile widziane, ale niekoniecznie wymagane, co może oznaczać, że firma nie oczekuje głębokiej wiedzy w tym zakresie.
🔴
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.
Podobnie jak wyżej, 'will be an advantage' może oznaczać, że faktyczne doświadczenie w tych zaawansowanych obszarach nie jest kluczowe dla podstawowej roli.
🔴
Knowledge of vector search, embeddings, model-serving patterns or AI observability will be an advantage.
Kolejne 'will be an advantage' wskazuje, że te specjalistyczne umiejętności są opcjonalne i nie stanowią rdzenia wymagań.
🟡
Good written and verbal communication skills, minimum B2 English.
Standardowe wymaganie komunikacyjne, które może być interpretowane różnie w zależności od kultury firmy i natury projektów.