Młodszy MLOps (k/m)

🏢 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: Full-time remote DevOps Engineer role focused on building and maintaining an on-premises LLM platform with vLLM on a bare-metal GPU cluster. The position centers on GPU orchestration, performance tuning, observability, and CI/CD automation within AI infrastructure. Long-term project with responsibility for high-availability and optimized GPU utilization. 🗂️ Requirements: 5+ years DevOps/SRE experience, 2+ years MLOps or AI Infrastructure experience, Production experience with vLLM deployment, Knowledge of PagedAttention and continuous batching, Strong Kubernetes and OpenShift expertise, Experience with NVIDIA GPU infrastructure and CUDA, GPU environment management and debugging skills, Experience building observability systems from scratch, Ability to create custom Prometheus exporters, Strong Python for automation, Bash and Go knowledge, CI/CD experience with GitLab CI, Jenkins or ArgoCD, Experience with on-prem or bare-metal environments 📃 Skills: Kubernetes, OpenShift, vLLM, NVIDIA, CUDA, Prometheus, Grafana, ELK, OpenTelemetry, Python, Bash, Go, GitLab, Jenkins, ArgoCD, NGINX, HPA, HF, S3, PagedAttention 🏢 Description: W ITLT pomagamy naszym zaprzyjaźnionym firmom przekształcać ambitne pomysły w cyfrową rzeczywistość. Z nastawieniem na wyzwania, ciekawość technologii i zwinność - współtworzymy wyjątkowe rozwiązania IT. Aktualnie poszukujemy osób na stanowisko: DevOps Engineer (AI Infrastructure & Orchestration) Konkrety: Stawka: 190 PLN/h na FV Miejsce pracy/praca zdalna: Praca zdalna (Remote) Wymiar pracy: Fulltime Sektor: AI/Telco Projekt: On-prem LLM platform - orkiestracja i monitoring vLLM na GPU clusterze Zespół: 6-8os. Proces rekrutacji: 1-etapowy (spotkanie zdalne via MS Teams). Sporadycznie możliwe dodatkowe krótkie spotkanie - połączone z decyzją Szacowany czas trwania projektu: Długoterminowy/Bezterminowy Czas pracy/Strefa czasowa : Standardowe polskie godziny pracy Technologie na projekcie: Kubernetes (OpenShift), vLLM, NVIDIA GPU (H100/H200/B300), Prometheus, Grafana, ELK, OpenTelemetry, Python, Bash, Go, GitLab CI, Jenkins, ArgoCD, bare metal Do Twoich głównych obowiązków na tym stanowisku należeć będzie: Deployment i utrzymanie vLLM na Openshift Kubernetes (bare-metal GPU) Orkiestracja i optymalizacja GPU (NVIDIA) Automatyzacja lifecycle modeli (HF/S3: pull, versioning, hot-swap) HPA (queue depth, GPU memory) Tuning vLLM (performance, batching, memory) Metryki inference (tokeny, latency, errors) + tracking zużycia per user/API key Grafana dashboards (GPU, TTFT, RPS, koszty, quota) Alerting (GPU failures, latency, anomalies) API Gateway (NGINX: auth, rate limit, routing) Security + isolation + audit logging Monitoring stack (Prometheus, Grafana, ELK, OpenTelemetry) Automatyzacja (Python/Bash/Go) CI/CD (GitLab CI, Jenkins, ArgoCD) SLA 99.9%, >70% GPU utilization, MTTR reduction Ta oferta będzie idealna dla Ciebie, jeśli posiadasz: Min. 5+ lat doświadczenia w DevOps/SRE Min. 2 lata doświadczenia w MLOps lub AI Infrastructure Doświadczenie w deploymencie vLLM w środowisku produkcyjnym Znajomość PagedAttention i continuous batching (vLLM) Bardzo dobra znajomość Kubernetes i Openshift Doświadczenie w infrastrukturze GPU NVIDIA (CUDA drivers, container toolkit, debugging) Umiejętność zarządzania i debugowania środowisk GPU Doświadczenie w budowie systemów observability od zera Umiejętność tworzenia custom Prometheus exporters Bardzo dobra znajomość Python (automation, tooling) Znajomość Bash i Go Doświadczenie w pracy z CI/CD (GitLab CI, Jenkins, ArgoCD) Doświadczenie w środowiskach on-prem / bare-metal Nice to have: Znajomość GPU orchestration w Kubernetes (device plugins NVIDIA) Znajomość model quantization (AWQ, GPTQ) Znajomość FinOps dla AI infrastructure Znajomość vector databases (Milvus, Qdrant) Warto do nas dołączyć, ponieważ oferujemy: Dużą swobodę pracy zdalnej Długofalowe stabilne zatrudnienie Szansę na uczestniczenie w kluczowych projektach dla dużej firmy działającej w bardzo stabilnym sektorze Atrakcyjne wynagrodzenie (adekwatne do umiejętności i doświadczenia) Benefity (Lux Med, MultiSport...) W razie pytań pingnij śmiało na Linkedin'ie do Kuby

🏢 Summary: Long-term remote DevOps Engineer role focused on building and maintaining an on-premises LLM platform on a GPU cluster. The position involves orchestration, optimization, monitoring, and automation of vLLM infrastructure in a production AI/Telco environment. The role centers on high-availability AI infrastructure with strong emphasis on Kubernetes, GPU management, and observability. 🗂️ Requirements: 5+ years of experience in DevOps or SRE, 2+ years of experience in MLOps or AI Infrastructure, Experience deploying vLLM in production, Knowledge of PagedAttention and continuous batching in vLLM, Strong knowledge of Kubernetes and OpenShift, Experience with NVIDIA GPU infrastructure and CUDA drivers, Ability to manage and debug GPU environments, Experience building observability systems from scratch, Ability to create custom Prometheus exporters, Strong Python skills for automation and tooling, Knowledge of Bash and Go, Experience with CI/CD pipelines, Experience working in on-prem or bare-metal environments 📃 Skills: Kubernetes, OpenShift, vLLM, NVIDIA, CUDA, Prometheus, Grafana, ELK, OpenTelemetry, Python, Bash, Go, GitLab, Jenkins, ArgoCD, NGINX, HPA, S3 🏢 Description: W ITLT pomagamy naszym zaprzyjaźnionym firmom przekształcać ambitne pomysły w cyfrową rzeczywistość. Z nastawieniem na wyzwania, ciekawość technologii i zwinność - współtworzymy wyjątkowe rozwiązania IT. Aktualnie poszukujemy osób na stanowisko: DevOps Engineer (AI Infrastructure & Orchestration) Konkrety: Stawka: 190 PLN/h na FV Miejsce pracy/praca zdalna: Praca zdalna (Remote) Wymiar pracy: Fulltime Sektor: AI/Telco Projekt: On-prem LLM platform - orkiestracja i monitoring vLLM na GPU clusterze Zespół: 6-8os. Proces rekrutacji: 1-etapowy (spotkanie zdalne via MS Teams). Sporadycznie możliwe dodatkowe krótkie spotkanie - połączone z decyzją Szacowany czas trwania projektu: Długoterminowy/Bezterminowy Czas pracy/Strefa czasowa : Standardowe polskie godziny pracy Technologie na projekcie: Kubernetes (OpenShift), vLLM, NVIDIA GPU (H100/H200/B300), Prometheus, Grafana, ELK, OpenTelemetry, Python, Bash, Go, GitLab CI, Jenkins, ArgoCD, bare metal Do Twoich głównych obowiązków na tym stanowisku należeć będzie: Deployment i utrzymanie vLLM na Openshift Kubernetes (bare-metal GPU) Orkiestracja i optymalizacja GPU (NVIDIA) Automatyzacja lifecycle modeli (HF/S3: pull, versioning, hot-swap) HPA (queue depth, GPU memory) Tuning vLLM (performance, batching, memory) Metryki inference (tokeny, latency, errors) + tracking zużycia per user/API key Grafana dashboards (GPU, TTFT, RPS, koszty, quota) Alerting (GPU failures, latency, anomalies) API Gateway (NGINX: auth, rate limit, routing) Security + isolation + audit logging Monitoring stack (Prometheus, Grafana, ELK, OpenTelemetry) Automatyzacja (Python/Bash/Go) CI/CD (GitLab CI, Jenkins, ArgoCD) SLA 99.9%, >70% GPU utilization, MTTR reduction Ta oferta będzie idealna dla Ciebie, jeśli posiadasz: Min. 5+ lat doświadczenia w DevOps/SRE Min. 2 lata doświadczenia w MLOps lub AI Infrastructure Doświadczenie w deploymencie vLLM w środowisku produkcyjnym Znajomość PagedAttention i continuous batching (vLLM) Bardzo dobra znajomość Kubernetes i Openshift Doświadczenie w infrastrukturze GPU NVIDIA (CUDA drivers, container toolkit, debugging) Umiejętność zarządzania i debugowania środowisk GPU Doświadczenie w budowie systemów observability od zera Umiejętność tworzenia custom Prometheus exporters Bardzo dobra znajomość Python (automation, tooling) Znajomość Bash i Go Doświadczenie w pracy z CI/CD (GitLab CI, Jenkins, ArgoCD) Doświadczenie w środowiskach on-prem / bare-metal Nice to have: Znajomość GPU orchestration w Kubernetes (device plugins NVIDIA) Znajomość model quantization (AWQ, GPTQ) Znajomość FinOps dla AI infrastructure Znajomość vector databases (Milvus, Qdrant) Warto do nas dołączyć, ponieważ oferujemy: Dużą swobodę pracy zdalnej Długofalowe stabilne zatrudnienie Szansę na uczestniczenie w kluczowych projektach dla dużej firmy działającej w bardzo stabilnym sektorze Atrakcyjne wynagrodzenie (adekwatne do umiejętności i doświadczenia) Benefity (Lux Med, MultiSport...) W razie pytań pingnij śmiało na Linkedin'ie do Kuby

🏢 Summary: Offer for an AI/ML Engineer to design and deploy end-to-end AI solutions in industrial environments, focusing on Computer Vision 2D/3D, sensor data analysis, and Physical AI. The role involves building production-ready models, implementing MLOps practices, and validating solutions with robots, cameras, and sensors. It targets practical AI deployments with real impact on physical systems. 🗂️ Requirements: Higher education in Computer Science, AI/ML, Mathematics, Physics, Robotics or related field, Minimum 2 years of commercial experience in AI/ML, Experience deploying ML models to production environments, Very good knowledge of Python, Experience with Deep Learning frameworks, Experience in Computer Vision 2D/3D, Experience in time-series analysis, Knowledge of Git and Docker, Experience with MLOps tools, Ability to use AI coding assistants, English level B2 or higher 📃 Skills: Python, NumPy, pandas, scikit-learn, PyTorch, TensorFlow, ComputerVision, TimeSeries, Git, Docker, MLflow, DVC, W&B, ONNX, Jetson, ROS, ROS2 🏢 Description: Poszukujemy AI/ML Engineera do rozwijania nowoczesnych rozwiązań z obszaru Computer Vision, analizy danych z czujników oraz Physical AI. Zakres obowiązków: Projektowanie i rozwój end-to-end pipeline'ów AI/ML. Budowa i rozwój modeli Computer Vision 2D/3D (skany 3D, point clouds). Tworzenie modeli time-series do analizy sygnałów z czujników (siła, akcelerometr). Wdrażanie rozwiązań anomaly detection oraz rozpoznawania geometrii detali. MLOps: wersjonowanie, CI/CD, monitoring modeli produkcyjnych. Testowanie rozwiązań na stanowiskach z robotami, kamerami i czujnikami. Współpraca z zespołem technicznym oraz dokumentacja projektowa. Wymagania: Wykształcenie wyższe (informatyka, AI/ML, matematyka, fizyka, automatyka i robotyka lub pokrewne). Minimum 2 lata doświadczenia komercyjnego w AI/ML. Doświadczenie we wdrażaniu modeli do środowiska produkcyjnego. Bardzo dobra znajomość Python (NumPy, pandas, scikit-learn). Deep Learning (PyTorch lub TensorFlow). Computer Vision 2D/3D oraz analiza szeregów czasowych. Znajomość Git, Docker oraz narzędzi MLOps (MLflow, DVC, W&B). Umiejętność pracy z narzędziami AI wspierającymi programowanie (Cursor, Codex, Claude Code). Samodzielność, inicjatywa i nastawienie na praktyczne wdrożenia. Język angielski na poziomie min. B2. Mile widziane: Doświadczenie z point clouds, anomaly detection i DoE. Edge deployment (ONNX, Jetson), ROS/ROS2. Praca z czujnikami force-torque. Doświadczenie w projektach startupowych lub B+R. Znajomość Foundation Models for Robotics (VLA). Publikacje naukowe lub doktorat. Jeśli chcesz rozwijać rozwiązania AI działające w rzeczywistym środowisku przemysłowym i mieć realny wpływ na produkt – 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: The offer is for a Python (AI/ML) Engineer responsible for developing and deploying AI-driven business applications in the Azure cloud environment. The role focuses on building, optimizing and operationalizing AI/ML and LLM-based solutions, including APIs and microservices, with strong emphasis on code quality, testing and DevOps practices. It involves working with Azure AI services to deliver secure, scalable production-ready systems. 🗂️ Requirements: Hands-on experience with Azure AI/ML services (Azure OpenAI, Azure Machine Learning, Cognitive Services), Strong Python experience in AI/ML development, Experience deploying AI models using Docker, Kubernetes and AKS, Experience with CI/CD pipelines and DevOps practices in Azure, Experience building and maintaining RESTful APIs and microservices, Knowledge of Generative AI, LLM and ML, Ability to write and maintain unit tests with high test coverage, English proficiency at minimum B2 level 📃 Skills: Python, Azure, AzureOpenAI, AzureML, CognitiveServices, Docker, Kubernetes, AKS, CI/CD, DevOps, REST, Microservices, LLM, GenerativeAI, ML, NLP 🏢 Description: Wspólnie z naszym Partnerem, jednym z liderów w branży ubezpieczeniowej, poszukujemy osoby na stanowisko Python (AI/ML) Engineer. Projekt dotyczy rozwoju oraz wdrażania aplikacji biznesowych opartych na sztucznej inteligencji w środowisku chmurowym Azure. 📌 Możliwość pracy zdalnej z okazjonalnymi wizytami w biurze (osoby zamieszkujące w okolicy Warszawy/Gdańska - preferowana hybryda raz na tydzień/dwa w biurze) 💡 TWOJA ROLA: Pisanie i utrzymanie testów jednostkowych, zapewnienie odpowiedniego pokrycia testami oraz stosowanie najlepszych praktyk programistycznych (czysty kod, utrzymywalność i optymalizacja wydajności).Tworzenie, rozwijanie i wdrażanie aplikacji opartych na AI/ML z wykorzystaniem usług Azure. Rozwijanie i optymalizowanie rozwiązań opartych na Dużych Modelach Językowych (LLM) dostosowanych do rzeczywistych przypadków biznesowych. Rozwój API i mikroserwisów: Budowanie i utrzymanie API oraz mikroserwisów służących do efektywnego dostarczania rozwiązań AI/ML klientom. Zapewnienie, że wszystkie rozwiązania AI spełniają standardy bezpieczeństwa, wytwarzania oprogramowania i zarządzania. Usprawnianie operacjonalizacji modeli oraz rozwój backendu do inferowania modeli. 🔍 CZEGO OCZEKUJEMY OD CIEBIE? Praktyczne doświadczenie z usługami Azure AI/ML, w tym Azure OpenAI, Azure Machine Learning i Cognitive Services. Znajomość Docker, Kubernetes oraz Azure Kubernetes Service (AKS) w kontekście wdrażania modeli AI. Solidna znajomość pipeline'ów CI/CD oraz najlepszych praktyk DevOps w środowisku Azure. Biegła znajomość języka angielskiego w mowie i piśmie, minimum na poziomie B2. Doświadczenie w tworzeniu i utrzymaniu RESTful API oraz mikroserwisów. Znajomość Generatywnej AI, LLM, ML oraz (opcjonalnie) technologii NLP. Zaawansowana znajomość języka Python w kontekście rozwoju AI/ML. Mile widziane: Praktyczne doświadczenie w zakresie środków bezpieczeństwa AI i zarządzania modelami. Znajomość inżynierii promptów oraz strategii orkiestracji LLM. Doświadczenie w pracy z bazami danych wektorowych. ✨ OFERUJEMY: 🤖 Nowoczesny proces rekrutacji z AI Rekruterem (AIR) – podczas aplikacji możesz odbyć rozmowę z wirtualnym rekruterem 24/7, bez czekania na telefon, z natychmiastowym feedbackiem i możliwością powtórzenia rozmowy (liczy się ostatnia wersja). Finalną decyzję zawsze podejmuje Rekruter Connectis. Możliwość pracy zdalnej z okazjonalnymi wizytami w biurze (osoby zamieszkujące w okolicy Warszawy/Gdańska - preferowana hybryda raz na tydzień/dwa w biurze) Możliwość uczestnictwa w spotkaniach integracyjnych oraz meetupach technologicznych, umożliwiających dzielenie się wiedzą i doświadczeniem. Wsparcie dedykowanej osoby kontaktowej z Connectis, dostępnej w celu pomocy w sprawach związanych z projektem. Pracę w zespole ekspertów, w środowisku sprzyjającym wymianie wiedzy. 5000 PLN za polecenie znajomych do naszych projektów. Stabilną, długofalową współpracę w oparciu B2B. Proces zdalny. Dziękujemy za wszystkie zgłoszenia. Pragniemy poinformować że skontaktujemy się z wybranymi osobami.

🏢 Summary: Role focused on developing, refactoring, and productionizing AI applications and agents built mainly in Python, deployed on Google Cloud Platform. The position involves taking MVPs to production standard, designing secure and observable architectures, and integrating LLM-based solutions end-to-end. Work is fully remote with strong ownership over technical decisions and architecture. 🗂️ Requirements: Very good knowledge of Python, Practical experience with GCP (Cloud Run, Cloud SQL, BigQuery, IAM, Pub/Sub), Experience deploying applications to production with CI/CD, monitoring and rollback mechanisms, Ability to refactor, debug and improve existing codebases, Knowledge of application security (secrets management, RBAC, encryption, OWASP Top 10), Experience integrating and working with LLM APIs, Ability to design application architecture and make technical decisions independently 📃 Skills: Python, GCP, CloudRun, CloudSQL, BigQuery, PubSub, IAM, CI/CD, FastAPI, Django, TypeScript, Next.js, LLM, Kafka, n8n, HubSpot, Twilio, Apify, OWASP 🏢 Description: Nasz Klient to jedna z największych firm EdTech w Polsce, która intensywnie rozwija rozwiązania oparte o sztuczną inteligencję. Dołączysz do zespołu pracującego nad ponad 30 aplikacjami i agentami AI wspierającymi obszary sprzedaży, marketingu, HR, operations oraz IT. Szukamy samodzielnej osoby z bardzo dobrą znajomością Pythona, która potrafi przejmować istniejące prototypy, doprowadzać je do standardu produkcyjnego oraz rozwijać nowe rozwiązania end-to-end. 📍 TRYB PRACY 🏠 100% zdalnie ⏱️ DOSTĘPNOŚĆ 🚀 Preferowany start: czerwiec 2026 (możliwy start od zaraz) 🧑‍💻 CZYM BĘDZIESZ SIĘ ZAJMOWAĆ? Przeglądem, oceną i refaktoryzacją istniejących aplikacji AI oraz MVP tworzonych głównie w Pythonie i sporadycznie w TypeScript / Next.js Przenoszeniem rozwiązań do środowiska produkcyjnego w Google Cloud Platform (GCP) z wykorzystaniem m.in . Cloud Run, Cloud SQL, Pub/Sub, BigQuery i Cloud Tasks Projektowaniem i wdrażaniem elementów związanych z bezpieczeństwem, monitoringiem, obserwowalnością oraz procesami CI/CD Rozwojem nowych aplikacji AI, agentów oraz workflowów integrujących modele LLM (Large Language Models) Bezpośrednią współpracą z biznesem w celu doprecyzowania wymagań i wspólnego rozwijania rozwiązań Samodzielnym podejmowaniem decyzji technicznych dotyczących architektury, jakości kodu i utrzymania aplikacji 🔎 CZEGO OD CIEBIE OCZEKUJEMY? ✅ Must-have Bardzo dobrej znajomości Python Praktycznego doświadczenia z GCP (Google Cloud Platform), w szczególności z Cloud Run, Cloud SQL, BigQuery, IAM oraz Pub/Sub Doświadczenia we wdrażaniu aplikacji na produkcję z wykorzystaniem CI/CD, monitoringu i rollbacków Umiejętności pracy z istniejącym, niedoskonałym kodem – refaktoryzacji, debugowania i porządkowania prototypów Znajomości zagadnień bezpieczeństwa, takich jak sekrety, RBAC, szyfrowanie i OWASP Top 10 Samodzielności oraz umiejętności bezpośredniej współpracy z biznesem ⭐ Nice-to-have Doświadczenie z FastAPI lub Django Znajomość TypeScript i Next.js na poziomie pozwalającym utrzymać istniejący frontend Podstawowa praktyka w pracy z LLM przez API (prompting, agenci, ewaluacja, kontrola kosztów) Znajomość Kafka lub innych technologii event-driven Doświadczenie z n8n lub podobnymi narzędziami do orkiestracji workflowów Integracje z systemami takimi jak HubSpot, Google Workspace, Notion, Twilio czy Apify Komunikatywna znajomość języka angielskiego (minimum B2) 🤝 DLACZEGO WARTO? Współpraca w modelu B2B w stabilnym i długofalowym projekcie Możliwość pracy w pełni zdalnej z dowolnego miejsca w Polsce Realny wpływ na architekturę i kluczowe decyzje technologiczne Możliwość pracy nad ponad 30 projektami AI o różnym poziomie złożoności Kameralny, techniczny zespół z dużą samodzielnością działania Dynamiczne środowisko, w którym możesz rozwijać się w obszarze AI, GCP i nowoczesnych technologii backendowych 📩 Dziękujemy za wszystkie zgłoszenia! 📍Skontaktujemy się z wybranymi osobami. TQLO sp. z o.o. – wpis do rejestru agencji zatrudnienia (KRAZ) nr 33580.

🏢 Summary: Oferta dotyczy długoterminowej pracy jako AI Engineer lub Senior AI Engineer przy budowie i skalowaniu rozwiązań opartych o Generative AI, LLM oraz AI Agents. Rola obejmuje projektowanie architektury AI, implementację RAG, rozwój API i pipeline’ów MLOps oraz integrację modeli AI z systemami biznesowymi. Praca odbywa się głównie zdalnie w modelu B2B lub UoP, w niewielkim zespole realizującym projekty produkcyjne. 🗂️ Requirements: Minimum 3 lata doświadczenia komercyjnego jako AI Engineer, ML Engineer lub pokrewna rola, Bardzo dobra znajomość Python, Znajomość LangChain, LangGraph, LlamaIndex lub podobnych frameworków, Doświadczenie z rozwiązaniami RAG, Znajomość baz wektorowych, Umiejętność projektowania i budowy REST API, Doświadczenie z Docker, Doświadczenie z AWS, Azure lub GCP, Znajomość Git, Znajomość dobrych praktyk Software Engineering, Umiejętność pracy w Agile, Język angielski na poziomie minimum B2+/C1- 📃 Skills: Python, LLM, OpenAI, Anthropic, Gemini, Llama, LangChain, LangGraph, CrewAI, AutoGen, RAG, FastAPI, Docker, Kubernetes, AWS, Azure, GCP, PyTorch, HuggingFace, MLflow, Airflow, Redis, PostgreSQL, LlamaIndex, Qdrant, Pinecone, Milvus, Weaviate, ChromaDB, REST, Git, Agile, SemanticKernel, MCP, LoRA, QLoRA, CI/CD, MLOps, vLLM, Ollama, TGI 🏢 Description: W ITLT pomagamy naszym partnerom budować rozwiązania, które jeszcze kilka lat temu wydawały się niemożliwe. Pracujemy z organizacjami rozwijającymi produkty oparte o Generative AI, LLM, AI Agents oraz nowoczesne platformy Machine Learning. Współtworzymy rozwiązania od fazy Proof of Concept, przez produkcyjne wdrożenia, aż po skalowanie środowisk AI obsługujących tysiące użytkowników Aktualnie poszukujemy osób na stanowisko: AI Engineer i Senior AI Engineer Konkrety: Forma współpracy: B2B lub UoP. Jesteśmy w pełni otwarci na Twoją propozycję - wystarczy wpisać odpowiednią kwotę w formularzu aplikacyjnym Miejsce pracy: Zapewniamy dużą swobodę pracy zdalnej, przy czym zapraszamy od czasu do czasu do naszego warszawskiego biura Wymiar pracy: Full-time Zespół: 6-8os. Proces rekrutacji: 1-etapowy (spotkanie zdalne via MS Teams). Sporadycznie możliwe dodatkowe krótkie spotkanie - połączone z decyzją Szacowany czas trwania projektu: Długoterminowy/bezterminowy Tematy na projekcie: Python, LLM (OpenAI, Anthropic, Gemini, Llama), LangChain, LangGraph, CrewAI, AutoGen, RAG, Vector Databases, FastAPI, Docker, Kubernetes, AWS, Azure, GCP, PyTorch, Hugging Face, MLflow, Airflow, Redis, PostgreSQL Do Twoich głównych obowiązków na tym stanowisku należeć będzie: Budowa i rozwój aplikacji opartych o Generative AI Tworzenie agentów AI wspierających procesy biznesowe Projektowanie architektury rozwiązań LLM Implementacja RAG oraz integracja z bazami wektorowymi Fine-tuning i optymalizacja modeli Integracja modeli AI z istniejącymi systemami Budowa API oraz mikroserwisów wspierających rozwiązania AI Rozwój pipeline'ów Machine Learning i MLOps Optymalizacja kosztów oraz wydajności rozwiązań AI Współpraca z zespołami Data Science, Software Engineering oraz Cloud Ta oferta będzie idealna dla Ciebie, jeśli posiadasz: Minimum 3 lata doświadczenia komercyjnego jako AI Engineer, ML Engineer lub pokrewnej roli Bardzo dobrą znajomość Pythona Praktyczną znajomość frameworków takich jak LangChain, LangGraph, LlamaIndex lub podobnych Doświadczenie z rozwiązaniami RAG Znajomość baz wektorowych (Qdrant, Pinecone, Milvus, Weaviate, ChromaDB) Umiejętność projektowania i budowy REST API Doświadczenie z Docker oraz środowiskami Cloud (AWS, Azure lub GCP) Znajomość Git oraz dobrych praktyk Software Engineering Umiejętność pracy w środowisku Agile Język angielski (przynajmniej na poziomie B2+/C1- Mile widziana znajomość: AI Agents (CrewAI, AutoGen, Semantic Kernel) MCP (Model Context Protocol) Fine-tuning modeli Open Source LoRA / QLoRA Hugging Face PyTorch Kubernetes CI/CD MLOps Prompt Engineering Observability dla systemów AI Znajomość inferencji modeli lokalnych (vLLM, Ollama, TGI) Warto do nas dołączyć, ponieważ oferujemy: Dużą swobodę pracy zdalnej Długofalowe stabilne zatrudnienie Szansę na uczestniczenie w kluczowych projektach dla dużej firmy działającej w bardzo stabilnym sektorze Atrakcyjne wynagrodzenie (adekwatne do umiejętności i doświadczenia) Benefity (Lux Med, MultiSport...) W razie pytań pingnij śmiało na Linkedin'ie do Kuby

🏢 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 Python / AI Engineer role focused on designing and scaling high-availability AI systems that combine local LLMs, real-time video analysis and advanced voice solutions. The position involves technical ownership of backend architecture, orchestration of language models and building complex AI pipelines for production environments. You will optimize inference performance and ensure scalability of AI systems deployed in containerized infrastructure. 🗂️ Requirements: 5+ years of commercial experience as Software Engineer, 3+ years of hands-on experience in computer vision, voice systems (real-time ASR/TTS) or machine learning, Very strong Python skills, Advanced experience in backend architecture and production systems (REST, AsyncAPI), Proven experience with language models (API and local), Experience with LangChain or LangGraph, Experience with Docker and containerized environments 📃 Skills: Python, Backend, REST, AsyncAPI, LLM, LangChain, LangGraph, Docker, ComputerVision, MachineLearning, ASR, TTS, vLLM, Ollama, MLOps, MLflow, Weights&Biases, AWS, GCP, Azure, SIP, WebRTC, RealTime 🏢 Description: Minimalne kwalifikacje: 5 lat doświadczenia komercyjnego na stanowisku Inżyniera Oprogramowania. 3 lata praktycznego doświadczenia w co najmniej jednym z obszarów: computer vision (detekcja, analiza wideo), systemy voice (przetwarzanie w czasie rzeczywistym, ASR/TTS) lub machine learning (modele predykcyjne). Bardzo dobra znajomość języka Python oraz zaawansowane doświadczenie w architekturze backendu i projektach produkcyjnych (REST/async API). Udokumentowane doświadczenie w pracy z modelami językowymi (API oraz modele lokalne) i frameworkami LangChain / LangGraph. Doświadczenie w pracy z infrastrukturą kontenerową (Docker). Preferowane kwalifikacje: Zrozumienie i praktyczna znajomość narzędzi MLOps (np. MLflow, Weights & Biases). Doświadczenie w pracy ze skalowalną infrastrukturą w chmurze publicznej (AWS, GCP lub Azure). Znajomość standardów i protokołów telekomunikacyjnych (np. SIP, WebRTC). O pracy: Nasz zespół inżynieryjny zajmuje się projektowaniem i wdrażaniem inteligentnych systemów AI o wysokiej dostępności. Przesuwamy granice tego, co możliwe, łącząc lokalne modele językowe, analizę wideo w czasie rzeczywistym oraz zaawansowane rozwiązania konwersacyjne (voiceboty) w produkty działające na dużą skalę. Jako Senior Python / AI Engineer przejmiesz techniczną własność nad kluczowymi komponentami naszych systemów. Oczekujemy od Ciebie samodzielności, podejmowania strategicznych decyzji architektonicznych i pasji do optymalizacji wydajności systemów AI w środowiskach produkcyjnych. Obowiązki: Projektowanie architektury i rozwijanie zaawansowanego backendu dla platform AI w języku Python. Orkiestracja i optymalizacja pracy modeli językowych (LLM), ze szczególnym uwzględnieniem modeli wdrażanych lokalnie (np. vLLM, Ollama). Projektowanie i utrzymanie złożonych pipeline'ów AI z wykorzystaniem narzędzi LangChain / LangGraph. Budowa systemów czasu rzeczywistego (analiza obrazu, integracje telekomunikacyjne dla voicebotów) oraz zapewnienie ich niezawodności. Zarządzanie cyklem życia modeli i optymalizacja wydajności inferencji (inference) oraz skalowalności systemów w środowiskach kontenerowych.