Senior Ml / AI Engineer

O projekcie: Senior ML / AI Engineer (Azure | Python | MLOps | Databricks) Szukamy inżyniera, który nie tylko rozumie AI, ale przede wszystkim potrafi przełożyć modele na skalowalne, produkcyjne rozwiązania (MLOps/LLMOps). Prosimy o aplikacje CV w języku angielskim. --- Warunki zaangażowania:   Obszar: Consulting IT Lokalizacja: 100% zdalnie Start: ASAP (akceptujemy kandydatury z max 3msc okresem wypowiedzenia) Stawka (ustalana indywidualnie): 160 - 170 PLN netto + VAT / h Zaangażowanie: B2B (outsourcing z 1dea), full-time, długofalowo Proces rekrutacyjny (100% zdalnie): - Krótka rozmowa telefoniczna informacyjno-zapoznawcza z rekruterem 1dea (~10 min)  - Weryfikacja techniczno-projektowa z Klientem (~1 - 1,5 h)  - (Jeśli OK) Rozmowa zapoznawcza z przedstawicielem projektu u Klienta końcowego (~ 30 min)  - Decyzja o podjęciu współpracy  Oferujemy - Zatrudnienie na podstawie umowy B2B na czas nieokreślony  - Dołączysz do firmy z solidną pozycją na rynku  - Firma zapewnia nowoczesny sprzęt, oprogramowanie i konfigurację  - Możliwość pracy w elastycznych godzinach  - Możliwość pracy zdalnej w 100%  - Profesjonalne doradztwo i wsparcie w rozwoju kariery od doświadczonego zespołu specjalistów 1dea  - Cenimy sobie koleżeńskość, otwartość, szacunek, wzajemną pomoc i wsparcie w rozwijaniu kompetencji zarówno własnych, jak i kolegów i koleżanek z zespołu  - Wspieramy kulturę kreatywności. Każdy członek zespołu ma możliwość proponowania własnych pomysłów i rozwiązań, a jego głos jest zawsze brany pod uwagę Wymagania: Wymagania - Doświadczenie: Min. 5 lat w Data Engineeringu i 3 lata w tworzeniu produkcyjnego kodu ML (Python)  - GenAI: Co najmniej rok praktyki z LLM (ChatGPT, Gemini, RAG, Prompt Engineering)  - Big Data: Biegle posługiwanie się Spark/PySpark oraz Databricks   - Cloud: Praktyczna znajomość Azure (preferowane) lub GCP  - Inżynieria: Znajomość architektur mikroserwisowych, API oraz cyklu życia modelu (ML Lifecycle)  - Soft Skills: Angielski na poziomie płynnym (B2+), świetne umiejętności komunikacyjne i rozwiązzywanie problemów  Mile widziane: - Praktyka w CI/CD i DevOps (GitHub Actions, Azure DevOps)  - Konteneryzacja rozwiązań ML (Docker, Kubernetes)  - Doświadczenie w obszarach Data Lake, Data Integration i Data Governance Codzienne zadania: - Produkcja & Skala: Wdrażanie modeli ML i rozwiązań GenAI na produkcję przy zachowaniu najwyższej wydajności  - LLMOps & MLOps: Projektowanie i wdrażanie frameworków automatyzujących cykl życia modeli (AzureML, Azure AI)  - Data Pipelines: Budowa i zarządzanie uprzemysłowionymi procesami przetwarzania danych (Databricks, Spark)  - Standardy: Definiowanie najlepszych praktyk w architekturze ML i dokumentacji technicznej  - Wsparcie Biznesowe: Estymacja prac, zbieranie wymagań oraz prezentowanie rozwiązań klientom