MLOps Engineer

Dla naszego Klienta – lidera w branży ubezpieczeniowej – poszukujemy osoby na stanowisko MLOps Engineer do pracy przy rozwoju nowoczesnej platformy AI w środowisku PML.

Zakres obowiązków

• Tworzenie i utrzymanie platformy AI dla rozwiązań wykorzystywanych w branży ubezpieczeniowej

• Projektowanie i budowa infrastruktury MLOps/LLMOps z wykorzystaniem Azure Machine Learning, Azure AI Foundry oraz Kubernetes (AKS)

• Automatyzacja procesów CI/CD/CT dla rozwiązań ML, w tym wersjonowanie modeli i danych (MLflow, DVC)

• Konteneryzacja i wdrażanie modeli AI/GenAI przy użyciu Docker oraz Kubernetes

• Monitoring modeli AI, wykrywanie Data Drift/Model Drift oraz wdrażanie mechanizmów alertowania i observability

• Implementacja rozwiązań wspierających zgodność z AI Act, audytowalność modeli oraz bezpieczeństwo danych

• Zarządzanie i optymalizacja zasobów chmurowych Azure pod kątem kosztów oraz wydajności

• Współpraca z zespołami Data Science oraz IT Operations przy wdrażaniu i utrzymaniu środowisk produkcyjnych

Profil idealnego kandydata

• Minimum 3 lata doświadczenia w obszarze DevOps, MLOps lub Software Engineering

• Doświadczenie w pracy z modelami ML na środowiskach produkcyjnych

• Bardzo dobra znajomość Docker oraz Kubernetes (AKS, Helm, Ingress)

• Praktyczne doświadczenie z chmurą Azure, w szczególności Azure ML, AKS oraz Azure Container Registry

• Doświadczenie w budowie pipeline’ów CI/CD z wykorzystaniem Azure DevOps, GitHub Actions lub Jenkins

• Dobra znajomość Python oraz Bash/Shell

• Znajomość narzędzi MLOps takich jak MLflow, Kubeflow lub rozwiązań natywnych chmury

• Doświadczenie z Infrastructure as Code (Terraform, Bicep lub Ansible)

• Umiejętność pracy na styku zespołów Data Science i IT Operations

• Wykształcenie wyższe techniczne

Warunki współpracy

• Lokalizacja: hybrydowo w Warszawie (1 dzień w tygodniu z biura)

• Rodzaj umowy: B2B

• Wynagrodzenie: 160–180 PLN/h

• Benefity: prywatna opieka medyczna, ubezpieczenie na życie, karta Multisport

Etapy rekrutacji

1. Rozmowa telefoniczna z Rekruterem (ok. 30 minut)

2. Techniczna rozmowa online z Klientem

3. Decyzja i informacja zwrotna