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), monitoringiem/logowaniem oraz Infrastructure as Code
- angielski min. B2 (pisemny i ustny)
Mile widziane
- praktyczne doświadczenie z MLflow, DVC lub podobnymi narzędziami do zarządzania cyklem życia modeli
- praktyczne doświadczenie w AI/GenAI: LLM, RAG, agentic workflows w środowisku produkcyjnym lub zbliżonym
- znajomość vector search, embeddings, model-serving lub AI observability
Opis stanowiska
W Capgemini będziesz odpowiadać za wdrażanie, automatyzację i monitorowanie modeli uczenia maszynowego w środowiskach produkcyjnych i przedprodukcyjnych. W praktyce oznacza to budowę pipeline'ów CI/CD dla ML, konfigurację observability oraz wsparcie inicjatyw AI/GenAI, w tym rozwiązań opartych na LLM, wzorcach RAG i agentic workflows. Oferta skierowana do inżyniera, który łączy kompetencje DevOps z pracą przy modelach ML i chce rozwijać się w kierunku MLOps.
🔍 Dekoder Ogłoszenia
🟡
will be an advantage
Powtarzane przy MLflow, DVC, GenAI, RAG, agentic workflows — sugeruje, że zespół szuka raczej szerokiego profilu niż wąskiego specjalisty; brak tych kompetencji nie wyklucza, ale może wpływać na ocenę.
🟡
in production or near-production environments
Sformułowanie 'near-production' bywa elastyczne — warto dopytać, czy projekty są rzeczywiście produkcyjne, czy głównie POC.