AI & MLOps Engineer(M/F)
⚲ Warszawa
100–140 zł netto (+ VAT) / godz.
Wymagania
- min. 2–4 lata doświadczenia jako MLOps Engineer, AI Engineer, Machine Learning Engineer lub pokrewnym
- doświadczenie w budowie i utrzymaniu rozwiązań ML w środowiskach produkcyjnych
- znajomość zagadnień monitoringu modeli AI
- umiejętność współpracy z zespołami Data Science i Engineering
- angielski na poziomie B2–C1
Mile widziane
- doświadczenie z MLflow
- doświadczenie z LLM, LangChain/LangGraph/LlamaIndex, bazami wektorowymi i RAG
- doświadczenie w sektorze bankowym lub finansowym
Opis stanowiska
Będziesz projektować i utrzymywać środowiska MLOps oraz pipeline'y ML dla projektów AI w sektorze bankowym i finansowym, współpracując z zespołami Data Science, Data Engineering i DevOps. Zakres obejmuje automatyzację trenowania i wdrażania modeli, monitoring ich jakości w produkcji oraz implementację rozwiązań Generative AI/LLM. Uwaga: widełki '2–4 lata' w praktyce często oznaczają preferencję dla kandydatów z górnej granicy, a opis 'innowacyjnych projektów' nie precyzuje celów ani kierunku rozwoju — warto dopytać o konkrety na rozmowie.
🔍 Dekoder Ogłoszenia
🔴
innowacyjnych projektów
Może oznaczać zarówno ciekawe, przełomowe zadania, jak i projekty o niepewnym kierunku rozwoju lub trudne do zdefiniowania cele.
🔴
nowoczesne platformy danych
Może odnosić się do standardowych rozwiązań chmurowych, ale też do mniej ugruntowanych lub eksperymentalnych technologii.
🟡
Umiejętność współpracy z zespołami Data Science i Engineering
Oczekuje się nie tylko technicznej współpracy, ale również aktywnego udziału w rozwiązywaniu problemów i dzieleniu się wiedzą, co może wymagać dodatkowego zaangażowania.
🔴
Minimum 2–4 lata doświadczenia
Często oznacza, że preferowani są kandydaci z górnej granicy widełek (4 lata), a osoby z dolnej (2 lata) mogą być postrzegane jako mniej doświadczone.
🟡
Doświadczenie w budowie i utrzymaniu rozwiązań Machine Learning w środowiskach produkcyjnych
Wymaga nie tylko umiejętności tworzenia modeli, ale także zapewnienia ich stabilności, skalowalności i ciągłości działania w realnych warunkach.