MLOps Engineer

Dla naszego klienta - jednej z największych instytucji z branży ubezpieczeniowej poszukujemy doświadczonego specjalisty na stanowisko MLOps Engineer.

Projekt dotyczy budowy i rozwoju centralnej platformy AI, wykorzystywanej do trenowania, wdrażania i utrzymywania modeli Machine Learning oraz rozwiązań GenAI w skali całej organizacji. Rola łączy kompetencje cloud, DevOps, MLOps oraz pracy z zespołami Data Science i ma realny wpływ na kształt architektury AI w dużej, regulowanej organizacji.

Wymagania

• Minimum 3 lata doświadczenia w obszarze DevOps, MLOps lub Inżynierii Oprogramowania, w tym praktyka w pracy z modelami ML na produkcji.

•  Zaawansowana znajomość Docker i Kubernetes (zarządzanie klastrami, Helm charts, Ingress).

• 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).

• 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.

• Wykształcenie wyższe techniczne (Informatyka, Telekomunikacja lub pokrewne).

• Umiejętność pracy na styku zespołów Data Science (rozumienie języka danych) i IT Operations (rozumienie infrastruktury i sieci).

Mile widziane:

• 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)

• Znajomość baz wektorowych (np. w kontekście Azure AI Search).

Obowiązki

• 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).

• Implementacja potoków (pipelines) CI/CD dla rozwiązań ML, obejmujących automatyczne testowanie, wersjonowanie danych i modeli (DVC, MLflow) oraz Continuous Training (CT).

• Przygotowywanie obrazów Docker dla modeli AI/GenAI oraz zarządzanie ich wdrożeniami na klastrach Kubernetes w architekturze hybrydowej (integracja z systemami on-premise).

• 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.

• Zarządzanie zasobami chmurowymi Azure, optymalizacja czasu inferencji modeli oraz skalowanie infrastruktury w zależności od obciążenia

Oferujemy

• Kontrakt B2B z możliwością długoterminowej współpracy

• Praca hybrydowa: 1 dzień w tygodniu w biurze w Warszawie

• Prywatna opieka medyczna (Luxmed)

• Karta Multisport

• Projekty w nowoczesnym środowisku IT dla dużej, międzynarodowej firmy ubezpieczeniowej