NoFluffJobs Stacjonarnie Senior

MLOps Engineer

Antal

⚲ Warszawa

26 880 - 30 240 PLN (B2B)

Wymagania

  • min. 3 lata doświadczenia w MLOps/DevOps/Software Engineering, w tym praca z modelami ML na produkcji
  • bardzo dobra znajomość Docker i Kubernetes (zarządzanie klastrami, Helm charts, Ingress)
  • doświadczenie z chmurą publiczną — preferowane Azure (Azure ML, AKS, ACR) lub GCP/AWS z gotowością do wejścia w Azure
  • praktyka w CI/CD (Azure DevOps, GitHub Actions, Jenkins) z uwzględnieniem specyfiki ML
  • Python + Bash/Shell na poziomie umożliwiającym automatyzację i pracę z ML SDK
  • doświadczenie z MLflow, Kubeflow lub narzędziami chmurowymi do lifecycle management modeli
  • IaC: Terraform, Bicep lub Ansible
  • gotowość do pracy hybrydowej — 1 dzień w tygodniu z biura w Warszawie

Opis stanowiska

Dołączysz do zespołu budującego platformę AI w sektorze ubezpieczeniowym, obejmującą trenowanie, wdrażanie i monitorowanie modeli ML/GenAI w środowisku Azure i architekturze hybrydowej. Będziesz projektować infrastrukturę MLOps/LLMOps (Azure ML, AKS, ACR), implementować CI/CD/CT dla ML oraz dbać o monitoring dryftu modeli i zgodność z AI Act. Praca hybrydowa — 1 dzień w tygodniu z biura w Warszawie. Uwaga: praca w architekturze hybrydowej i sektorze ubezpieczeniowym może oznaczać dodatkową złożoność i wolniejsze tempo wdrażania nowych technologii.

🔍 Dekoder Ogłoszenia

🔴
nowoczesną platformę AI w sektorze ubezpieczeniowym
Projekt może być innowacyjny, ale też obarczony ryzykiem związanym z wdrażaniem nowych technologii w stabilnym, ale często konserwatywnym sektorze.
🔴
architekturze hybrydowej
Oznacza to konieczność pracy zarówno ze środowiskiem chmurowym, jak i lokalnym, co może generować dodatkową złożoność.
🔴
preferowane Azure (Azure ML, AKS, ACR) lub GCP/AWS z gotowością do wejścia w Azure
Chociaż Azure jest preferowane, faktycznie możesz być zmuszony do szybkiego nauczenia się i pracy z tym środowiskiem od podstaw.
🟡
Podejście „Automation First”
Oczekuje się, że będziesz aktywnie szukać możliwości automatyzacji, co może oznaczać dużo pracy nad usprawnianiem procesów.
🟡
Proaktywność w rozwiązywaniu problemów i incydentów produkcyjnych
Oczekuje się, że będziesz samodzielnie identyfikować i rozwiązywać problemy, często pod presją czasu.