MLOps Engineer
⚲ Warszawa
26 880 - 30 240 PLN (B2B)
Wymagania
- MLOps
- DevOps
- Docker
- Kubernetes
- Helm
- Charts
- Ingress
- Azure ML
- AKS
- ACR
- GCP
- AWS
- Azure
- CI/CD
- Azure DevOps
- GitHub Actions
- Jenkins
- ML SDK
- MLflow
- Kubeflow
- IaC
- Terraform
- Bicep
- Ansible
- AZ-400 (nice to have)
- AI-102 (nice to have)
- LLM (nice to have)
- RAG (nice to have)
- GenAI (nice to have)
- Prometheus (nice to have)
- Grafana (nice to have)
- Azure Monitor (nice to have)
- VPN (nice to have)
- VNet (nice to have)
- Private Endpoints (nice to have)
Opis stanowiska
O projekcie:
Stawka: 160–180 PLN/h
Lokalizacja: Warszawa (hybrydowo, 1 dzień/tydz. z biura)
Start: ASAP
Poszukujemy doświadczonego Inżyniera MLOps/LLMOps, który dołączy do zespołu budującego i utrzymującego nowoczesną platformę AI w sektorze ubezpieczeniowym. Projekt obejmuje rozwój infrastruktury do trenowania, wdrażania i monitorowania modeli ML/GenAI w środowisku chmurowym Azure oraz architekturze hybrydowej.
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.- Możliwość świadczenia usług z terytorium Polski.- Gotowość do pracy hybrydowej — 1 dzień w tygodniu z biura w Warszawie.Kompetencje miękkie:- Wykształcenie techniczne.- Podejście „Automation First”.- Umiejętność pracy na styku Data Science i IT Operations.- Proaktywność w rozwiązywaniu problemów i incydentów produkcyjnych.Mile widziane:- Certyfikaty Azure (AZ‑400, AI‑102).- Doświadczenie z LLM, RAG, wdrażaniem modeli GenAI.- Prometheus, Grafana, Azure Monitor.- Znajomość sieci w środowisku hybrydowym (VPN, VNet, Private Endpoints)
Codzienne zadania:
- Tworzenie i rozwój platformy AI wykorzystywanej w procesach biznesowych.
- Projektowanie i budowa infrastruktury MLOps/LLMOps z użyciem Azure Machine Learning, Azure AI Foundry oraz AKS.
- Implementacja CI/CD/CT dla rozwiązań ML (testy, wersjonowanie danych i modeli, automatyczne trenowanie).
- Konteneryzacja i orkiestracja: Docker, Kubernetes, Helm, Ingress; wdrożenia w środowisku hybrydowym.
- Monitoring i observability modeli: wykrywanie Data/Model Drift, logowanie, alertowanie.
- Wsparcie w obszarze AI Act: audytowalność modeli, lineage, bezpieczeństwo, zarządzanie dostępem.
- Optymalizacja kosztów i wydajności środowisk ML oraz inferencji modeli.
Stawka: 160–180 PLN/h
Lokalizacja: Warszawa (hybrydowo, 1 dzień/tydz. z biura)
Start: ASAP
Poszukujemy doświadczonego Inżyniera MLOps/LLMOps, który dołączy do zespołu budującego i utrzymującego nowoczesną platformę AI w sektorze ubezpieczeniowym. Projekt obejmuje rozwój infrastruktury do trenowania, wdrażania i monitorowania modeli ML/GenAI w środowisku chmurowym Azure oraz architekturze hybrydowej.
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.- Możliwość świadczenia usług z terytorium Polski.- Gotowość do pracy hybrydowej — 1 dzień w tygodniu z biura w Warszawie.Kompetencje miękkie:- Wykształcenie techniczne.- Podejście „Automation First”.- Umiejętność pracy na styku Data Science i IT Operations.- Proaktywność w rozwiązywaniu problemów i incydentów produkcyjnych.Mile widziane:- Certyfikaty Azure (AZ‑400, AI‑102).- Doświadczenie z LLM, RAG, wdrażaniem modeli GenAI.- Prometheus, Grafana, Azure Monitor.- Znajomość sieci w środowisku hybrydowym (VPN, VNet, Private Endpoints)
Codzienne zadania:
- Tworzenie i rozwój platformy AI wykorzystywanej w procesach biznesowych.
- Projektowanie i budowa infrastruktury MLOps/LLMOps z użyciem Azure Machine Learning, Azure AI Foundry oraz AKS.
- Implementacja CI/CD/CT dla rozwiązań ML (testy, wersjonowanie danych i modeli, automatyczne trenowanie).
- Konteneryzacja i orkiestracja: Docker, Kubernetes, Helm, Ingress; wdrożenia w środowisku hybrydowym.
- Monitoring i observability modeli: wykrywanie Data/Model Drift, logowanie, alertowanie.
- Wsparcie w obszarze AI Act: audytowalność modeli, lineage, bezpieczeństwo, zarządzanie dostępem.
- Optymalizacja kosztów i wydajności środowisk ML oraz inferencji modeli.
🔍 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.