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.
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, 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.
Wymagania (must have):
-
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).