MLOps Engineer
⚲ Warszawa
23 520 - 25 200 PLN (B2B)
Wymagania
- min. 3 lata doświadczenia w obszarze MLOps, Machine Learning lub Data Engineering
- głęboka znajomość Azure (Azure ML, AKS, Azure Container Registry) lub GCP/AWS z gotowością do szybkiego wejścia w Azure
- praktyczna obsługa MLflow, Kubeflow lub rozwiązań natywnych chmury do zarządzania cyklem życia modelu
- zaawansowana znajomość Docker i Kubernetes (zarządzanie klastrami, Helm charts, Ingress)
- doświadczenie w budowaniu pipeline'ów (Azure DevOps, GitHub Actions, Jenkins)
- dobra znajomość Python oraz Bash/Shell
- znajomość Terraform, Bicep lub Ansible
- gotowość do okazjonalnych spotkań projektowych w Warszawie (orientacyjnie 1x w tygodniu)
Opis stanowiska
Projekt dotyczy strategicznego programu transformacyjnego w branży ubezpieczeń, gdzie klient buduje nowoczesny ekosystem obsługi szkód oparty na danych, automatyzacji i AI. Będziesz odpowiadać za automatyzację CI/CD/CT dla rozwiązań ML, budowę infrastruktury MLOps/LLMOps na Azure oraz konteneryzację i orkiestrację modeli AI/GenAI na Kubernetes. To oferta dla doświadczonego MLOps inżyniera, który chce pracować przy dużym programie transformacyjnym. Uwaga: 'otwartość na okazjonalne spotkania projektowe w Warszawie (1x w tygodniu)' może w praktyce oznaczać regularną obecność w Warszawie, a 'współpraca w modelu projektowym' często wiąże się z zatrudnieniem na czas określony lub B2B bez pełnej stabilności długoterminowej.
🔍 Dekoder Ogłoszenia
🟡
Nowy sposób na aplikowanie z AI Rekruterem (AIR)
Może sugerować, że proces rekrutacyjny jest w dużym stopniu zautomatyzowany, a kontakt z człowiekiem może być ograniczony na wczesnym etapie.
🔴
Otwartość na okazjonalne spotkania projektowe w Warszawie (orientacyjnie 1x w tygodniu)
Mimo pozornej elastyczności może oznaczać regularną obecność w Warszawie, co nie jest w pełni zdalne.
🟡
strategicznego programu transformacyjnego
Brzmi ambitnie, ale może wiązać się z dużą zmiennością priorytetów i presją na szybkie efekty.
🔴
Współpracę w modelu projektowym
Zwykle oznacza zatrudnienie na czas określony lub B2B bez pełnej stabilności długoterminowej.