MLOps / LLMOps Engineer (Azure & Kubernetes)
⚲ Warszawa
150–190 zł netto (+ VAT) / godz.
Wymagania
- Azure DevOps
- Kubernetes
- Docker
- CI/CD
- Terraform
- Ansible
- Bicep
- Python
- Bash
Opis stanowiska
Nasze wymagania:
Min. 3 lata komercyjnego doświadczenia w obszarze DevOps, MLOps lub inżynierii oprogramowania z modelami ML na produkcji.
Bardzo dobrej znajomości Kubernetes & Docker (zarządzanie klastrami, Helm charts).
Doświadczenia z chmurą publiczną (głęboki Azure lub GCP/AWS, jeśli chcesz szybko wejść w Azure).
Praktyki w pisaniu skryptów w Python oraz Bash/Shell.
Znajomości narzędzi do zarządzania cyklem życia modeli (np. MLflow, Kubeflow) oraz podejścia Infrastructure as Code (Terraform, Bicep lub Ansible).
Świadczenia usług z terytorium Polski.
Mile widziane:
Doświadczenie we wdrażaniu modeli LLM i architektur RAG.
Znajomość baz wektorowych (np. Azure AI Search) oraz narzędzi do monitoringu (Prometheus, Grafana).
Certyfikaty: Azure DevOps Engineer Expert (AZ-400) lub Azure AI Engineer (AI-102).
O projekcie:
Dla naszego klienta – lidera sektora ubezpieczeń, który rewolucjonizuje swoje usługi za pomocą AI – szukamy inżyniera gotowego wziąć na klatę budowę nowoczesnej platformy LLMOps pod najnowsze wymogi AI Act.
Jeśli automatyzację stawiasz na pierwszym miejscu, a środowiska produkcyjne z modelami ML to Twój chleb powszedni – czytaj dalej!
Zakres obowiązków:
Infrastruktura AI/LLM: Projektowanie i budowa skalowalnych środowisk w oparciu o Azure Machine Learning, Azure AI Foundry oraz Kubernetes (AKS).
Automatyzacja (CI/CD/CT): Wdrażanie potoków dla ML, wersjonowanie danych i modeli (DVC, MLflow) oraz Continuous Training.
Observability: Monitoring modeli pod kątem Data Drift/Model Drift na produkcji.
Architektura: Konteneryzacja (Docker), zarządzanie klastrami (Helm) oraz praca na styku systemów chmurowych i on-premise.
Oferujemy:
Pracę hybrydową: Elastyczne łączenie pracy zdalnej z obecnością w biurze.
Preferencyjne pakiety do wykupienia na Multisport i Luxmed
Min. 3 lata komercyjnego doświadczenia w obszarze DevOps, MLOps lub inżynierii oprogramowania z modelami ML na produkcji.
Bardzo dobrej znajomości Kubernetes & Docker (zarządzanie klastrami, Helm charts).
Doświadczenia z chmurą publiczną (głęboki Azure lub GCP/AWS, jeśli chcesz szybko wejść w Azure).
Praktyki w pisaniu skryptów w Python oraz Bash/Shell.
Znajomości narzędzi do zarządzania cyklem życia modeli (np. MLflow, Kubeflow) oraz podejścia Infrastructure as Code (Terraform, Bicep lub Ansible).
Świadczenia usług z terytorium Polski.
Mile widziane:
Doświadczenie we wdrażaniu modeli LLM i architektur RAG.
Znajomość baz wektorowych (np. Azure AI Search) oraz narzędzi do monitoringu (Prometheus, Grafana).
Certyfikaty: Azure DevOps Engineer Expert (AZ-400) lub Azure AI Engineer (AI-102).
O projekcie:
Dla naszego klienta – lidera sektora ubezpieczeń, który rewolucjonizuje swoje usługi za pomocą AI – szukamy inżyniera gotowego wziąć na klatę budowę nowoczesnej platformy LLMOps pod najnowsze wymogi AI Act.
Jeśli automatyzację stawiasz na pierwszym miejscu, a środowiska produkcyjne z modelami ML to Twój chleb powszedni – czytaj dalej!
Zakres obowiązków:
Infrastruktura AI/LLM: Projektowanie i budowa skalowalnych środowisk w oparciu o Azure Machine Learning, Azure AI Foundry oraz Kubernetes (AKS).
Automatyzacja (CI/CD/CT): Wdrażanie potoków dla ML, wersjonowanie danych i modeli (DVC, MLflow) oraz Continuous Training.
Observability: Monitoring modeli pod kątem Data Drift/Model Drift na produkcji.
Architektura: Konteneryzacja (Docker), zarządzanie klastrami (Helm) oraz praca na styku systemów chmurowych i on-premise.
Oferujemy:
Pracę hybrydową: Elastyczne łączenie pracy zdalnej z obecnością w biurze.
Preferencyjne pakiety do wykupienia na Multisport i Luxmed
🔍 Dekoder Ogłoszenia
🔴
Min. 3 lata komercyjnego doświadczenia w obszarze DevOps, MLOps lub inżynierii oprogramowania z modelami ML na produkcji.
Chociaż wymieniono kilka obszarów, prawdopodobnie oczekuje się głębokiego doświadczenia w MLOps, a nie tylko ogólnego DevOps czy inżynierii oprogramowania.
🔴
głęboki Azure lub GCP/AWS, jeśli chcesz szybko wejść w Azure
Sugestia, że doświadczenie w GCP/AWS jest akceptowalne, ale główny nacisk i tak będzie położony na naukę i pracę z Azure.
🔴
gotowego wziąć na klatę budowę nowoczesnej platformy LLMOps
Może oznaczać, że projekt jest na wczesnym etapie rozwoju i będzie wymagał dużo pracy od podstaw, potencjalnie z niejasnymi wymaganiami.
🔴
pod najnowsze wymogi AI Act
Wymaga znajomości lub szybkiego przyswojenia specyficznych, potencjalnie nowych i ewoluujących regulacji prawnych dotyczących AI.
🟢
jeśli automatyzację stawiasz na pierwszym miejscu, a środowiska produkcyjne z modelami ML to Twój chleb powszedni
Podkreśla kluczowe znaczenie automatyzacji i doświadczenia z produkcyjnymi modelami ML, sugerując, że te aspekty będą dominować w codziennej pracy.