MLOps Engineer

Stawka: 160–180 PLN/h
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.

Zakres obowiązków

• 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 oraz automatyczne trenowanie.
• Konteneryzacja i orkiestracja: Docker, Kubernetes, Helm, Ingress; wdrożenia w środowisku hybrydowym.
• Monitoring i observability modeli: wykrywanie Data/Model Drift, logowanie i alertowanie.
• Wsparcie w obszarze AI Act: audytowalność modeli, lineage, bezpieczeństwo i zarządzanie dostępem.
• Optymalizacja kosztów i wydajności środowisk ML oraz inferencji modeli.

Wymagania (must have)

• Minimum 3 lata doświadczenia w MLOps, DevOps lub Software Engineering, w tym praca z modelami ML na produkcji.
• Bardzo dobra znajomość Docker i Kubernetes, w tym zarządzania klastrami, Helm charts oraz 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 oraz 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 oraz wdrażaniem modeli GenAI.
• Prometheus, Grafana, Azure Monitor.
• Znajomość sieci w środowisku hybrydowym: VPN, VNet, Private Endpoints.