Machine Learning Operations Section Manager (m/f/d)

🏢 Summary: The role focuses on developing and deploying ML/AI models and data-driven tools in a cloud-based environment to support business and risk processes within a banking context. You will design scalable data pipelines, implement MLOps practices, and optimize operational processes using advanced analytics. The position combines hands-on machine learning development with production deployment and decision-support responsibilities. 🗂️ Requirements: Minimum 5 years of experience in data analysis and ML/DL modeling, Strong expertise in machine learning and artificial intelligence, Proficiency in Python programming, Experience with cloud environments, preferably GCP, Understanding of MLOps and production deployment of models, Experience in credit risk modeling, Ability to design scalable data pipelines, Experience in building, testing, and deploying ML models 📃 Skills: Python, GCP, ML, DL, MLOps, SQL, BigQuery, TensorFlow, PyTorch, Git 🏢 Description: Na co dzień w naszym zespole: tworzysz i rozwijasz narzędzia wspierające modelowanie ML/AI, bierzesz udział w innowacyjnych projektach R&D ukierunkowanych na realny wkład biznesowy, budujesz, testujesz i wdrażasz modele wykorzystywane w banku, pracujesz w środowisku opartym o GCP i nowoczesny ekosystem data science, przygotowujesz raporty wspierające procesy windykacyjne oraz monitorujesz ich efektywność, projektujesz skalowalne przepływy danych i dbasz o ich jakość, optymalizujesz procesy operacyjne z wykorzystaniem danych, automatyzacji i technik ML, wspierasz proces decyzyjny poprzez dostarczanie wniosków opartych na danych. To stanowisko może być Twoje, jeśli: masz co najmniej 5 lat doświadczenia w pracy z danymi i modelowaniu z wykorzystaniem ML/DL, bardzo dobrze znasz się na modelowaniu, machine learningu i artificial intelligence, swobodnie programujesz w Pythonie, sprawnie poruszasz się w środowisku chmurowym (najlepiej GCP), nie jest Ci obca filozofia MLOps i rozumiesz, jak łączyć modelowanie z procesami produkcyjnymi, posiadasz szeroką wiedzę z obszaru zarządzania ryzykiem kredytowym, chętnie dzielisz się wiedzą i jednocześnie ciągle poszukujesz nowych obszarów do nauki. Twój Pakiet Korzyści: Docenienie działania i zaangażowania: Oprócz wynagrodzenia, każdy z nas ma określone cele – które doceniamy w ramach systemów premiowych. Oferta specjalna: Wspieramy Twoje finanse i oferujemy produkty naszej Grupy Kapitałowej na preferencyjnych warunkach ( m.in . kredyt hipoteczny, kartę kredytową czy ubezpieczenie) oraz pomagamy odkładać na emeryturę w PPE. Elastyczność benefitów: Różnimy się, dlatego to Ty wybierasz z jakich benefitów skorzystasz. Mamy dla Ciebie system kafeteryjny lub działania w ramach ZFŚS m.in . dofinansowanie opieki nad dziećmi, wakacji czy pożyczkę na remont. Możliwości rozwoju: U nas masz szerokie perspektywy rozwoju i możesz uczyć się, jak lubisz. Oferujemy dostęp do różnych form nauki – stacjonarnie i cyfrowo. Wsparcie w zdrowiu i odpoczynku: Dbamy o naszą formę mentalną i fizyczną. Możesz skorzystać z kart sportowych, opieki medycznej LuxMed, stomatologa, programu wellbingowego #FokusNaCiebie czy dodatkowych dni wolnych.

🏢 Summary: The offer is for an MLOps / AI Engineer to design, implement and maintain AI/ML solutions for banking and financial sector projects. The role focuses on building MLOps environments, automating training and deployment processes, and managing cloud-based AI infrastructure in production. You will support the full lifecycle of ML models, including monitoring and optimization in production environments. 🗂️ Requirements: 3–4 years of experience as MLOps Engineer, AI Engineer, Machine Learning Engineer or similar, Strong knowledge of Python, Experience building and maintaining ML solutions in production environments, Experience with Docker and containerization, Experience with AWS, Azure or Google Cloud Platform, Knowledge of CI/CD and deployment automation, Experience working with Git, Knowledge of AI/ML model monitoring in production 📃 Skills: Python, Docker, AWS, Azure, GCP, CICD, Git, MLOps, MachineLearning, Monitoring, Cloud 🏢 Description: O projekcie Poszukujemy MLOps / AI Engineera do realizacji innowacyjnych projektów dla sektora bankowego i finansowego. Osoba na tym stanowisku będzie odpowiedzialna za projektowanie, wdrażanie oraz utrzymanie rozwiązań opartych o sztuczną inteligencję, uczenie maszynowe oraz nowoczesne platformy danych. Będziesz współpracować z zespołami Data Science, Data Engineering i DevOps, wspierając cały cykl życia modeli AI – od budowy środowisk treningowych po wdrożenie modeli na środowiska produkcyjne. Twój zakres obowiązków Projektowanie i rozwój środowisk MLOps wspierających wdrażanie modeli AI/ML Automatyzacja procesów trenowania, testowania oraz wdrażania modeli Budowa i utrzymanie pipeline'ów ML oraz Data Pipelines Monitorowanie jakości, wydajności i stabilności modeli produkcyjnych Współpraca z Data Scientistami oraz zespołami developerskimi Implementacja rozwiązań opartych o Generative AI i Large Language Models (LLM) Zarządzanie infrastrukturą chmurową wspierającą rozwiązania AI Tworzenie dokumentacji technicznej oraz dobrych praktyk w zakresie AI Engineering Optymalizacja kosztów i wydajności środowisk AI/ML Nasze wymagania Minimum 3–4 lata doświadczenia na stanowisku MLOps Engineer, AI Engineer, Machine Learning Engineer lub pokrewnym Bardzo dobra znajomość Python Doświadczenie w budowie i utrzymaniu rozwiązań Machine Learning w środowiskach produkcyjnych Znajomość Docker oraz konteneryzacji aplikacji Doświadczenie z platformami chmurowymi AWS, Azure lub Google Cloud Platform Znajomość CI/CD oraz automatyzacji procesów wdrożeniowych Doświadczenie w pracy z Git Znajomość zagadnień związanych z monitoringiem modeli AI Umiejętność współpracy z zespołami Data Science i Engineering Znajomość języka angielskiego na poziomie B2–C1 Mile widziane Doświadczenie z MLflow Znajomość Apache Airflow Doświadczenie z Kubernetes Praktyczna znajomość PyTorch lub TensorFlow Doświadczenie z Large Language Models (LLM) Znajomość frameworków takich jak LangChain, LangGraph lub LlamaIndex Doświadczenie z bazami wektorowymi (Pinecone, Weaviate, ChromaDB, Qdrant) Znajomość rozwiązań RAG (Retrieval-Augmented Generation) Doświadczenie w projektach Generative AI Znajomość Apache Kafka Doświadczenie w sektorze bankowym lub finansowym Oferujemy Udział w nowoczesnych projektach związanych ze sztuczną inteligencją i uczeniem maszynowym Możliwość pracy zdalnej lub hybrydowej Elastyczne godziny pracy Stabilną współpracę przy długoterminowych projektach Możliwość rozwoju kompetencji w obszarze AI, MLOps i Generative AI Pracę z najnowszymi technologiami chmurowymi i rozwiązaniami AI Współpracę z ekspertami Data Science, AI oraz Cloud Engineering Realny wpływ na rozwój innowacyjnych produktów i usług Atrakcyjne wynagrodzenie adekwatne do doświadczenia i kompetencji Jeżeli chcesz rozwijać rozwiązania oparte na sztucznej inteligencji, wdrażać modele ML na skalę produkcyjną oraz uczestniczyć w projektach wykorzystujących Generative AI i LLM – zapraszamy do aplikowania.

🏢 Summary: Role focused on designing, building, and deploying AI/ML solutions end-to-end, from data exploration and experimentation to production deployment and MLOps. The position combines Data Science, ML Engineering, and collaboration with business stakeholders to translate data into actionable solutions. You will develop and maintain ML pipelines, monitor models, and contribute to AI standards within the organization. 🗂️ Requirements: Minimum 1.5 years of experience in Data Science, ML Engineering or MLOps, Proficiency in Python, Experience with ML/DL libraries (scikit-learn, pandas, numpy, PyTorch or TensorFlow), Knowledge of SQL, Experience working with structured and unstructured data, Experience building and deploying ML/AI models, Knowledge of Docker, Knowledge of Git or GitHub, Understanding of CI/CD basics, Experience with MLflow, DVC or Weights & Biases, Knowledge of statistics, model validation and A/B testing, English level B2 or higher 📃 Skills: Python, SQL, scikit-learn, pandas, numpy, PyTorch, TensorFlow, Docker, Git, GitHub, CI/CD, MLflow, DVC, Weights&Biases, MachineLearning, MLOps, Statistics, ABtesting 🏢 Description: Chcesz tworzyć rozwiązania AI, które mają realny wpływ na biznes? Szukamy osoby, która swobodnie porusza się między analizą danych, Machine Learningiem i MLOps, a jednocześnie potrafi rozmawiać z biznesem i przekładać dane na konkretne decyzje oraz wdrożenia. Dołączysz do zespołu rozwijającego nowoczesne rozwiązania AI — od eksploracji danych i eksperymentów, po wdrożenia modeli i rozwój standardów AI w organizacji. Wymagania Min. 1,5 roku doświadczenia w obszarze Data Science, ML Engineering lub MLOps Bardzo dobra znajomość Python oraz bibliotek ML/DL (scikit-learn, pandas, numpy, PyTorch lub TensorFlow) Znajomość SQL oraz pracy z danymi strukturalnymi i niestrukturalnymi Doświadczenie w budowie i wdrażaniu modeli ML/AI Znajomość Docker, Git/GitHub oraz podstaw CI/CD Doświadczenie z narzędziami MLflow, DVC lub Weights & Biases Wiedza z zakresu statystyki, walidacji modeli i testów A/B Umiejętność współpracy z biznesem i prezentowania wyników analiz Analityczne myślenie, dobra organizacja pracy i nastawienie na rezultat Język angielski min. B2 Mile widziane Wykształcenie kierunkowe (informatyka, matematyka, data science lub pokrewne) Doświadczenie w pracy z politykami bezpieczeństwa danych i etyką AI Zadania na stanowisku Analiza danych i identyfikacja obszarów do wykorzystania AI oraz ML Projektowanie, trenowanie i wdrażanie modeli Machine Learning Prowadzenie eksperymentów i monitorowanie jakości modeli po wdrożeniu Rozwój pipeline’ów CI/CD oraz konteneryzacja środowisk ML z użyciem Docker Wersjonowanie modeli, danych i kodu oraz dokumentowanie prac projektowych Współpraca z zespołami Data Engineering, Backend i DevOps Prezentowanie wyników analiz oraz rekomendacji dla biznesu Udział w rozwoju standardów i rozwiązań AI w organizacji Co oferujemy Udział w nowoczesnych projektach AI i Data Science Pracę z nowoczesnym stackiem technologicznym Realny wpływ na rozwój rozwiązań analitycznych w organizacji Wynagrodzenia złożone z podstawy i premii - regulaminowej rozliczanej kwartalnie (budżet premii 10% wynagrodzenia zasadniczego kwartalnego) Możliwość doskonalenia zawodowego - finansowane przez firmę szkolenia i podnoszenie kwalifikacji Pakiet benefitów - prywatna opieka medyczna, ubezpieczenia grupowe, możliwość skorzystania z pakietu sportowego (karta Multisport) Dostęp do platformy e-learningowej z bogatą bazą kursów Imprezy integracyjne

🏢 Summary: Long-term B2B contract for an MLOps/LLMOps Engineer to design and build a scalable AI/LLM platform in Azure and Kubernetes environments. The role focuses on automating ML lifecycle processes, managing production-grade ML systems, and ensuring observability and compliance with AI regulations. Hybrid work model with at least one day per week onsite in Warsaw. 🗂️ Requirements: Minimum 3 years of commercial experience in DevOps, MLOps or ML production engineering, Strong knowledge of Kubernetes and Docker including cluster management and Helm charts, Experience with public cloud Azure or GCP or AWS, Experience in Python scripting, Experience in Bash or Shell scripting, Experience with ML lifecycle management tools such as MLflow or Kubeflow, Experience with Infrastructure as Code tools such as Terraform or Bicep or Ansible, Ability to provide services from Poland 📃 Skills: Azure, AzureML, AKS, Kubernetes, Docker, Helm, Python, Bash, MLflow, Kubeflow, Terraform, Bicep, Ansible, GCP, AWS, DVC, CICD 🏢 Description: MLOps / LLMOps Engineer (Azure & Kubernetes) Dla naszego klienta – lidera sektora ubezpieczeń, który rewolucjonizuje swoje usługi za pomocą AI – szukamy inżyniera gotowego wziąć na klatę budowę nowoczesnej platformy LLMOps pod najnowsze wymogi AI Act. Jeśli automatyzację stawiasz na pierwszym miejscu, a środowiska produkcyjne z modelami ML to Twój chleb powszedni – czytaj dalej! ⚡ Kluczowe informacje: Forma współpracy: Kontrakt B2B, Długofalowy Model pracy: Hybryda (Warszawa, Wola, blisko komunikacji miejskiej – min. 1 dzień w tygodniu w biurze) 🛠️ Twój codzienny stack & wyzwania: Infrastruktura AI/LLM: Projektowanie i budowa skalowalnych środowisk w oparciu o Azure Machine Learning, Azure AI Foundry oraz Kubernetes (AKS). Automatyzacja (CI/CD/CT): Wdrażanie potoków dla ML, wersjonowanie danych i modeli (DVC, MLflow) oraz Continuous Training. Observability: Monitoring modeli pod kątem Data Drift/Model Drift na produkcji. Architektura: Konteneryzacja (Docker), zarządzanie klastrami (Helm) oraz praca na styku systemów chmurowych i on-premise. 🎯 Czego oczekujemy? (Must Have): Min. 3 lata komercyjnego doświadczenia w obszarze DevOps, MLOps lub inżynierii oprogramowania z modelami ML na produkcji Bardzo dobrej znajomości Kubernetes & Docker (zarządzanie klastrami, Helm charts). Doświadczenia z chmurą publiczną (głęboki Azure lub GCP/AWS, jeśli chcesz szybko wejść w Azure). Praktyki w pisaniu skryptów w Python oraz Bash/Shell. Znajomości narzędzi do zarządzania cyklem życia modeli (np. MLflow , Kubeflow) oraz podejścia Infrastructure as Code (Terraform, Bicep lub Ansible). Świadczenia usług z terytorium Polski. ⭐ Mile widziane (Nice to Have): Doświadczenie we wdrażaniu modeli LLM i architektur RAG . Znajomość baz wektorowych (np. Azure AI Search) oraz narzędzi do monitoringu (Prometheus, Grafana). Certyfikaty: Azure DevOps Engineer Expert (AZ-400) lub Azure AI Engineer (AI-102). Oferujemy: Preferencyjne pakiety do wykupienia na Multisport i Luxmed. Współpracę w ramach kontraktu B2B. 👋 Brzmi jak Twój kolejny krok zawodowy? Aplikuj!

🏢 Summary: B2B role for an MLOps/LLMOps Engineer to design and build a scalable LLM platform on Azure and Kubernetes, ensuring automated CI/CD/CT pipelines and production-grade ML model operations. The position focuses on AI infrastructure, model lifecycle management, observability, and hybrid cloud/on-prem integration. Hybrid work model with long-term cooperation. 🗂️ Requirements: Minimum 3 years of commercial experience in DevOps, MLOps or ML engineering in production environments, Strong hands-on experience with Kubernetes and Docker, including cluster management and Helm, Experience with public cloud (Azure preferred, or GCP/AWS with readiness to work on Azure), Proficiency in Python and Bash/Shell scripting, Experience with ML lifecycle tools such as MLflow or Kubeflow, Experience with Infrastructure as Code tools (Terraform, Bicep or Ansible), Ability to provide services from Poland 📃 Skills: Azure, AzureML, AKS, Kubernetes, Docker, Helm, Python, Bash, MLflow, Kubeflow, Terraform, Bicep, Ansible, DVC, Prometheus, Grafana, GCP, AWS 🏢 Description: MLOps / LLMOps Engineer (Azure & Kubernetes) Dla naszego klienta – lidera sektora ubezpieczeń, który rewolucjonizuje swoje usługi za pomocą AI – szukamy inżyniera gotowego wziąć na klatę budowę nowoczesnej platformy LLMOps pod najnowsze wymogi AI Act. Jeśli automatyzację stawiasz na pierwszym miejscu, a środowiska produkcyjne z modelami ML to Twój chleb powszedni – czytaj dalej! ⚡ Kluczowe informacje: Forma współpracy: Kontrakt B2B, Długofalowy Model pracy: Hybryda (Warszawa, Wola, blisko komunikacji miejskiej – min. 1 dzień w tygodniu w biurze) 🛠️ Twój codzienny stack & wyzwania: Infrastruktura AI/LLM: Projektowanie i budowa skalowalnych środowisk w oparciu o Azure Machine Learning, Azure AI Foundry oraz Kubernetes (AKS). Automatyzacja (CI/CD/CT): Wdrażanie potoków dla ML, wersjonowanie danych i modeli (DVC, MLflow) oraz Continuous Training. Observability: Monitoring modeli pod kątem Data Drift/Model Drift na produkcji. Architektura: Konteneryzacja (Docker), zarządzanie klastrami (Helm) oraz praca na styku systemów chmurowych i on-premise. 🎯 Czego oczekujemy? (Must Have): Min. 3 lata komercyjnego doświadczenia w obszarze DevOps, MLOps lub inżynierii oprogramowania z modelami ML na produkcji Bardzo dobrej znajomości Kubernetes & Docker (zarządzanie klastrami, Helm charts). Doświadczenia z chmurą publiczną (głęboki Azure lub GCP/AWS, jeśli chcesz szybko wejść w Azure). Praktyki w pisaniu skryptów w Python oraz Bash/Shell. Znajomości narzędzi do zarządzania cyklem życia modeli (np. MLflow , Kubeflow) oraz podejścia Infrastructure as Code (Terraform, Bicep lub Ansible). Świadczenia usług z terytorium Polski. ⭐ Mile widziane (Nice to Have): Doświadczenie we wdrażaniu modeli LLM i architektur RAG . Znajomość baz wektorowych (np. Azure AI Search) oraz narzędzi do monitoringu (Prometheus, Grafana). Certyfikaty: Azure DevOps Engineer Expert (AZ-400) lub Azure AI Engineer (AI-102). Oferujemy: Preferencyjne pakiety do wykupienia na Multisport i Luxmed. Współpracę w ramach kontraktu B2B. 👋 Brzmi jak Twój kolejny krok zawodowy? Aplikuj!

🏢 Summary: Role for a Data Scientist responsible for end-to-end development and production deployment of ML models for dynamic pricing, recommendation, and offer-user matching at scale. The position focuses on building, optimizing, and monitoring learning-to-rank and deep learning models in real-time and offline environments. You will work with large datasets and modern cloud-based MLOps infrastructure to deliver production-grade AI solutions. 🗂️ Requirements: Minimum 2 years experience as Data Scientist or similar role, Strong knowledge of ML algorithms and Deep Learning, Experience with Learning-to-Rank models, Proficiency in Python, Experience with pandas, NumPy, scikit-learn, Experience with XGBoost or LightGBM or CatBoost, Experience with PyTorch or TensorFlow, Strong SQL skills, Experience with relational and non-relational databases, Experience working with large datasets, Experience with AWS, Experience with Snowflake, Ability to create data visualizations, Experience with Git, Experience with Jupyter Notebooks or JupyterLab 📃 Skills: Python, SQL, pandas, NumPy, scikit-learn, XGBoost, LightGBM, CatBoost, PyTorch, TensorFlow, AWS, Snowflake, Snowpark, Plotly, Streamlit, Git, Jupyter, ML, DeepLearning, Learning-to-Rank, LLM, GenAI 🏢 Description: Trans.eu to jedna z największych platform logistycznych w Europie, łącząca tysiące przewoźników i zleceniodawców. W naszym zespole AI Matching & Pricing Models budujemy inteligentne systemy, które w czasie rzeczywistym dopasowują oferty, ustalają optymalne ceny i personalizują doświadczenia użytkowników - a to dopiero początek. Szukamy Data Scientist , który/a weźmie odpowiedzialność za pełny cykl życia modeli ML - od pomysłu, przez eksperymentowanie, po wdrożenie produkcyjne i ciągłą optymalizację. Co będziesz robić? Budować modele, które działają na produkcji - projektujesz, trenujesz i wdrażasz modele predykcyjne (pricing dynamiczny, rekomendacje, matching ofert i użytkowników) w skali tysięcy transakcji dziennie. Rozwijać systemy rekomendacyjne i ranking - tworzysz modele learning-to-rank, optymalizujesz kolejność i trafność wyników, budujesz embeddingi użytkowników i ofert w oparciu o dane behawioralne, kontekstowe i historyczne. Eksperymentować z najnowszymi podejściami - masz przestrzeń na testowanie rozwiązań opartych na deep learningu, szeregach czasowych, GenAI i LLM-ach do kontekstowych rekomendacji i profilowania użytkowników. Współpracować z zespołem MLOps - wspólnie dbasz o to, żeby modele działały stabilnie i skalowalnie zarówno w trybie online, jak i offline. Monitorować i optymalizować - ciągle ewaluujesz jakość prognoz i rekomendacji, identyfikujesz dryft i wprowadzasz usprawnienia. Eksplorować dane i komunikować wnioski - pracujesz z dużymi zbiorami danych, budujesz feature engineering, tworzysz wizualizacje i prezentacje dla interesariuszy. Czego oczekujemy? Min. 2 lata doświadczenia jako Data Scientist lub w pokrewnej roli. Solidna znajomość algorytmów ML, Deep Learning, Learning-to-Rank i najlepszych praktyk ich stosowania. Biegłość w Pythonie i ekosystemie Data Science (pandas, NumPy, scikit-learn, XGBoost/LightGBM/CatBoost, PyTorch lub TensorFlow). Swobodne pisanie SQL - doświadczenie z bazami relacyjnymi i nierelacyjnymi. Praktyka w pracy z dużymi zbiorami danych i środowiskami chmurowymi ( AWS, Snowflake ). Umiejętność tworzenia czytelnych wizualizacji (Plotly, Streamlit). Praca z Git i środowiskami typu Jupyter Notebooks / JupyterLab. Dodatkowe atuty Doświadczenie w budowie systemów personalizacji, matchingu lub rekomendacji . Praca z LLM-ami w kontekście generowania rekomendacji lub profilowania użytkowników. Znajomość Snowpark w ekosystemie Snowflake. Dlaczego warto? Realny wpływ - Twoje modele będą obsługiwać tysiące firm i setki tysięcy transakcji. To nie POC do szuflady. Pełna odpowiedzialność - prowadzisz projekt od eksperymentu po produkcję, bez sztucznych granic między „research" a „engineering". Nowoczesny stack - AWS, Snowflake, PyTorch, LLM-y, MLOps pipeline'y - pracujesz z technologiami, które mają znaczenie na rynku. Zespół, który ciągnie do przodu - otaczają Cię ludzie, którzy śledzą trendy w AI/ML i chętnie dzielą się wiedzą. Przestrzeń na rozwój - czas na eksplorację nowych podejść, udział w konferencjach i budowanie ekspertyzy w systemach rekomendacyjnych na dużą skalę. Benefity: Prywatna opieka LuxMed, bezpłatne badania profilaktyczne oraz masaże odciążające kręgosłup. Budżet na doposażenie stanowiska pracy zdalnej oraz vouchery podarunkowe. Śniadania w formie bufetu przygotowywane na miejscu. Wyjazdy integracyjne i rodzinne do prywatnego ośrodka nad jeziorem. Zagraniczne wyjazdy integracyjne w ramach workation. Dofinansowanie karty Multisport.

🏢 Summary: The offer is for an experienced MLOps/DevOps Engineer to design, build and maintain a scalable AI platform in a hybrid Azure-based environment. The role focuses on implementing CI/CD/CT pipelines, containerization, orchestration and monitoring for ML/LLM models in production. The position combines infrastructure engineering with ML lifecycle management and production-grade AI operations. 🗂️ Requirements: Minimum 3 years of experience in DevOps, MLOps or Software Engineering, Hands-on experience with deploying and maintaining ML models in production, Advanced knowledge of Docker and Kubernetes (cluster management, Helm, Ingress), Strong experience with Azure (Azure ML, AKS, Azure Container Registry) or GCP/AWS with readiness to work on Azure, Experience building CI/CD pipelines for ML workloads, Proficiency in Python, Proficiency in Bash/Shell scripting, Practical experience with MLflow, Kubeflow or cloud-native MLOps tools, Experience with Infrastructure as Code tools (Terraform, Bicep or Ansible), Higher technical education (Computer Science, Telecommunications or related), Ability to provide services from Poland, Availability for hybrid work from Warsaw office 📃 Skills: Azure, AzureML, AKS, ACR, Docker, Kubernetes, Helm, Ingress, Python, Bash, MLflow, Kubeflow, Terraform, Bicep, Ansible, AzureDevOps, GitHubActions, Jenkins, DVC, Prometheus, Grafana, AzureMonitor 🏢 Description: Must have: • Minimum 3 lata doświadczenia w obszarze DevOps, MLOps lub Inżynierii Oprogramowania, w tym praktyka w pracy z modelami ML na produkcji. • Biegłość w konteneryzacji i orkiestracji: Zaawansowana znajomość Docker i Kubernetes (zarządzanie klastrami, Helm charts, Ingress). • Doświadczenie z chmurą Publiczną: Głęboka znajomość Azure (w szczególności Azure ML, AKS, Azure Container Registry) lub GCP/AWS z gotowością do szybkiego wejścia w Azure. • Praktyka w CI/CD: Doświadczenie w budowaniu pipeline'ów (Azure DevOps, GitHub Actions, Jenkins) uwzględniających specyfikę ML (np. trenowanie modelu jako krok w pipeline). • Programowanie i skryptowanie: Dobra znajomość Python (niezbędna do pracy z SDK narzędzi ML) oraz Bash/Shell. • Znajomość narzędzi MLOps: Praktyczna obsługa MLflow, Kubeflow lub rozwiązań natywnych chmury do zarządzania cyklem życia modelu. • Infrastructure as Code (IaC): Znajomość Terraform, Bicep lub Ansible. · Świadczenie usług z terytorium Polski · Świadczenie usług hybrydowo – częściowo z warszawskiego biura PZU Kompetencje osobiste: • Wykształcenie wyższe techniczne (Informatyka, Telekomunikacja lub pokrewne). • Podejście "Automation First" – dążenie do eliminacji pracy manualnej poprzez skrypty i narzędzia. • Umiejętność pracy na styku zespołów Data Science (rozumienie języka danych) i IT Operations (rozumienie infrastruktury i sieci). • Proaktywność w rozwiązywaniu problemów wydajnościowych i incydentów produkcyjnych. Nice to have: • Certyfikaty Azure: DevOps Engineer Expert (AZ-400) lub Azure AI Engineer (AI-102). • Doświadczenie we wdrażaniu modeli LLM (Large Language Models) i architektur RAG. • Znajomość narzędzi do monitoringu (Prometheus, Grafana, Azure Monitor). • Rozumienie zagadnień sieciowych w chmurze hybrydowej (VPN, VNet, Private Endpoints) – istotne przy integracji z systemami PZU. • Znajomość baz wektorowych (np. w kontekście Azure AI Search). Zadania: • Tworzenie i utrzymanie platformy AI w branży ubezpieczeniowej: • Projektowanie i budowa infrastruktury MLOps/LLMOps: Tworzenie skalowalnego środowiska do trenowania i serwowania modeli przy użyciu Azure Machine Learning, Azure AI Foundry oraz Kubernetes (AKS). • Automatyzacja procesów CI/CD/CT: Implementacja potoków (pipelines) CI/CD dla rozwiązań ML, obejmujących automatyczne testowanie, wersjonowanie danych i modeli (DVC, MLflow) oraz Continuous Training (CT). • Konteneryzacja i orkiestracja: Przygotowywanie obrazów Docker dla modeli AI/GenAI oraz zarządzanie ich wdrożeniami na klastrach Kubernetes w architekturze hybrydowej (integracja z systemami on-premise). • Monitoring i Observability: Wdrożenie zaawansowanego monitoringu modeli (wykrywanie Data Drift/Model Drift), logowania i alertowania, aby zapewnić wysoką dostępność usług AI. • Wsparcie techniczne dla AI Act: Implementacja narzędzi do audytowalności modeli, lineage (śledzenie pochodzenia danych) oraz bezpieczeństwa (zarządzanie dostępem, szyfrowanie) zgodnie z wymogami regulacyjnymi. • Optymalizacja kosztów i wydajności: Zarządzanie zasobami chmurowymi Azure, optymalizacja czasu inferencji modeli oraz skalowanie infrastruktury w zależności od obciążenia.

🏢 Summary: Senior/Lead Cloud/DevOps Architect role focused on building and scaling an enterprise AI-native platform on Microsoft Azure, including one of the first MCP implementations in Poland. The position involves designing and maintaining secure, multi-tenant cloud environments, integrating enterprise systems via APIs, and enabling stable, production-grade AI/ML solutions. You will shape architecture for scalable SaaS systems with strong emphasis on security, reliability, and MLOps practices. 🗂️ Requirements: Minimum 5 years in senior/lead/architect cloud role, Commercial experience building scalable web applications, Experience in DevOps, DevSecOps or MLOps, Production CI/CD pipeline implementation and monitoring, Practical experience with Microsoft Azure services, Experience designing enterprise system integrations via APIs, Experience building connectors, adapters or integration layers, Knowledge of MCP or similar context protocols, Experience with ML/AI APIs in production environments, Strong knowledge of microservices architecture, Experience with multi-tenant SaaS architecture, Experience with Enterprise SaaS applications, Higher technical education (Computer Science or related), Polish C1+, English B2+, Hybrid work availability (3 days/week in office) 📃 Skills: Azure, AzureAppServices, AzureFunctions, CosmosDB, AzureSearch, AzureServiceBus, AzureSQL, CI/CD, AzureML, DevOps, DevSecOps, MLOps, Microservices, REST, GraphAPI, ServiceNow, OAuth2, OIDC, MCP, LLM, SaaS, Multi-tenant, LoadBalancing, Monitoring 🏢 Description: Tworzymy cyfrowe produkty dla nowoczesnego środowiska pracy oparte na chmurze, AI i technologiach, które realnie wspierają pracowników na całym świecie. Szukasz miejsca, w którym DevOps nie kończy się na utrzymaniu środowisk, ale ma bezpośredni wpływ na rozwój skalowalnych systemów AI klasy enterprise? Dołącz do Workai i pomóż nam budować jedno z pierwszych w Polsce wdrożeń MCP dla środowisk korporacyjnych. Jako część naszego zespołu będziesz: pracować z cloud computingiem, integracją systemów i rozwojem oprogramowania w kontekście platformy AI-native, projektować i utrzymywać środowiska Microsoft Azure, które będą fundamentem dla eksperymentalnego rozwoju MCP Graph Broker, konfigurować i walidować mechanizmy izolacji multi-tenant, load balancingu oraz monitoringu w czasie rzeczywistym, tak aby rozwiązania rozwijane w ramach R&D mogły działać stabilnie i skalowalnie, współtworzyć Security & Reliability Framework for MCP — jedno z pierwszych w Polsce rozwiązań tego typu dla środowisk enterprise. Aplikuj, jeśli masz: minimum 5 lat doświadczenia w roli seniorskiej, liderskiej lub architektonicznej w obszarze rozwiązań chmurowych, komercyjne doświadczenie w budowie skalowalnych aplikacji webowych oraz integracji systemów, doświadczenie w jednym z obszarów: DevOps, DevSecOps lub MLOps, w tym we wdrażaniu i monitoringu środowisk produkcyjnych z wykorzystaniem pipeline’ów CI/CD lub Azure ML CI/CD, praktyczną znajomość usług Azure i dobrych praktyk pracy z chmurą, m. in. Azure App Services, Azure Functions, Cosmos DB, Azure Search, Azure Service Bus czy Azure SQL, doświadczenie w projektowaniu i realizacji integracji systemów enterprise przez API, np. Microsoft 365 Graph API, ServiceNow REST API, OAuth2 lub OIDC, doświadczenie w budowie connectorów, adapterów lub warstw integracyjnych, znajomość protokołu MCP / Model Context Protocol lub podobnych protokołów kontekstowych oraz praktyczne doświadczenie z narzędziami ML / AI API w środowiskach produkcyjnych, dobrą znajomość architektury mikroserwisowej, zarządzania API oraz usług chmurowych wykorzystywanych w systemach enterprise, doświadczenie z architekturą multi-tenant, w tym izolacją kontekstu, zarządzaniem zasobami i politykami dostępu w środowiskach SaaS, umiejętność analitycznego myślenia, samodzielnego rozwiązywania problemów i jasnego komunikowania złożonych zagadnień technicznych, pasję do technologii i uważność na nowe trendy w obszarze chmury, AI oraz systemów agentowych, doświadczenie w budowie aplikacji Enterprise SaaS, bardzo dobre umiejętności komunikacyjne i gotowość do współpracy z zespołami technicznymi oraz biznesowymi, dbałość o szczegóły, jakość rozwiązań i stabilność tworzonych systemów, znajomość języka polskiego na poziomie C1+ oraz języka angielskiego na poziomie B2+ w mowie i piśmie, możliwość pracy w modelu hybrydowym z Białegostoku lub okolic — minimum 3 dni w tygodniu z biura i maksymalnie 2 dni pracy zdalnej, wykształcenie wyższe techniczne, najlepiej informatyczne lub pokrewne. Mile widziane : praktyczne doświadczenie z modelami konwersacyjnymi i dialogowymi, w tym fine-tuningiem, RLHF oraz prompt engineeringiem dla LLM, szczególnie w kontekście asystentów AI, doświadczenie w integracji systemów enterprise przez API, np. Microsoft 365 Graph API lub ServiceNow REST API, w roli developera connectorów, adapterów lub integracji MCP, znajomość systemów multi-agentowych projektowanych dla środowisk enterprise, certyfikaty Azure, np. Developer Associate / AZ-204, Solutions Architect Expert / AZ-305 lub równoważne, doświadczenie z ewaluacją modeli AI, w tym projektowaniem eksperymentów i oceną jakości modeli ML. Oferujemy : wynagrodzenie 20 000–22 000 PLN brutto miesięcznie na umowie o pracę oraz 18-miesięczną umowę z możliwością przedłużenia, udział w budowie rozproszonego systemu chmurowego klasy enterprise, w którym AI jest integralną częścią infrastruktury, realny wpływ na decyzje architektoniczne w produkcie używanym przez setki tysięcy pracowników, pracę z nowoczesnymi usługami Azure, najnowszymi modelami LLM oraz narzędziami MLOps, możliwość rozwoju w wielu kierunkach — od certyfikacji, przez wymianę wiedzy, po udział w projektach R&D, elastyczny model pracy hybrydowej, pakiet benefitów obejmujący prywatną opiekę medyczną i kartę Multisport.

🏢 Summary: Long-term, fully remote contract for a Databricks Data Engineer to design and implement large-scale data processing solutions for international clients across multiple industries. The role focuses on building and optimizing scalable data pipelines in cloud environments while ensuring data security, governance, and best practices. You will collaborate with Solution Architects and contribute to the maintenance and evolution of existing data platforms. 🗂️ Requirements: 5–6 years experience in data engineering, Hands-on experience with Databricks on large-scale datasets, Experience building and optimizing data pipelines in Python, Experience with cloud-based data processing tools, Knowledge of data security principles in cloud environments, Knowledge of Data Governance principles, Ability to collaborate with Solution Architects and follow best practices, English level B2 or higher 📃 Skills: Databricks, Python, Cloud, DataEngineering, DataGovernance, Security, ETL, SQL 🏢 Description: Be in IT to firma rekrutacyjna, wyspecjalizowana w poszukiwaniu Specjalistów z branży technologii informatycznych. Obecnie, dla naszego klienta, poszukujemy osoby na stanowisko Databricks Data Engineer . Zakres obowiązków: Długofalowa współpraca z międzynarodową, topową firmą consultingową, świadcząca usługi IT dla dużych i średnich firm z różnorodnych sektorów jak automotive, finanse, bankowość czy produkcja. Projektowanie i wdrażanie rozwiązań do przetwarzania danych przy użyciu Databricks dla wielkoskalowych i zróżnicowanych zbiorów danych. Tworzenie, rozwijanie i optymalizacja data pipeline'ów z wykorzystaniem Pythona oraz narzędzi chmurowych. Współpraca z Solution Architects w celu definiowania i stosowania best practices w obszarze inżynierii danych. Zapewnienie spójności, bezpieczeństwa i skalowalności danych w środowiskach chmurowych. Udział w utrzymaniu i dalszym rozwoju istniejących rozwiązań danych. Oczekujemy: Mile widziane 5–6 lat doświadczenia w obszarze inżynierii danych. Praktycznej znajomości platformy Databricks w pracy z dużymi i zróżnicowanymi zbiorami danych. Doświadczenia w tworzeniu i optymalizacji data pipeline'ów z wykorzystaniem Python. Znajomości narzędzi chmurowych stosowanych w przetwarzaniu danych. Umiejętności współpracy z architekturą rozwiązań i stosowania best practices w data engineering. Znajomości zasad bezpieczeństwa i Data Governance w środowiskach chmurowych. Znajomości języka angielskiego na poziomie B2 lub C1 – umożliwiającej swobodną komunikację w międzynarodowym środowisku. Mile widziana dostępność ASAP; akceptowalny jest maksymalnie miesięczny okres wypowiedzenia ze skutkiem na koniec miesiąca. Oferujemy: Długofalowa współpraca z wynagrodzeniem w przedziale 110-140 PLN netto/godz. + VAT. Wsparcie przy zakładaniu i prowadzeniu działalności gospodarczej, dla osób bez takiego doświadczenia. Sprawny proces rekrutacyjny - dwie rozmowy techniczne z managerami, online (każda maksymalnie po godzinie). Współpraca w pełni zdalna. Benefity - prywatna opieka medyczna, karta Multisport. Nowoczesny sprzęt zapewniany przez firmę, wraz z softem i konfiguracją.

🏢 Summary: The role involves designing and implementing applications using Machine Learning and LLM models, deploying and maintaining them in Linux and Kubernetes environments on GCP cloud. The position focuses on troubleshooting, cloud deployments, and active participation in MLOps projects. It requires strong technical expertise in Python, cloud infrastructure, and container orchestration. 🗂️ Requirements: Very good knowledge of Python, Experience in designing and implementing ML and LLM applications, Linux (Debian, RHEL) configuration and troubleshooting, Building and maintaining applications on Kubernetes, Deploying solutions in cloud environments (preferably GCP), Knowledge of DevOps or MLOps methodology, Ability to independently solve technical problems 📃 Skills: Python, Linux, Debian, RHEL, Kubernetes, GCP, MachineLearning, LLM, DevOps, MLOps, Jenkins, GitLabCI, BigData, ETL 🏢 Description: Twój zakres obowiązków projektowanie i implementacja aplikacji wykorzystujących modele Machine Learning i LLM konfiguracja aplikacji działających w środowisku Linux i Kubernetes w chmurze GCP rozwiązywanie problemów z działaniem wdrożonych rozwiązań aktywny udział w pracach projektowych zespołu MLOps Nasze wymagania Python – bardzo dobra znajomość, tworzenie i wdrażanie aplikacji Linux (Debian, RHEL) – konfiguracja i troubleshooting Kubernetes – budowa i utrzymanie aplikacji osadzonych na K8s Chmura (preferowane GCP) – wdrażanie rozwiązań cloud projektowanie i implementacja aplikacji wykorzystujących modele Machine Learning i LLM samodzielność w rozwiązywaniu problemów i proponowaniu rozwiązań znajomość metodyki DevOps lub MLOps chęć rozwoju w obszarze ML/LLM Mile widziane obszary MLOps / LLMOps / BigData CI/CD: Jenkins, GitLab CI hurtownie danych oraz procesy ETL