MLOps Engineer
# MLOps Engineer **IT Squad** · Warszawa, mazowieckie · `On-site` 🕒 **Статус:** *Опубликовано: 7 дней назад* · *Источник: Indeed* --- ### About the Role KIM JESTEŚMY Jesteśmy firmą o profilu wdrożeniowo – doradczym. Specjalizujemy się m.in. w takich obszarach jak rescue IT, transformacja cyfrowa i utrzymanie. Wspólnie tworzymy najnowocześniejsze rozwiązania cyfrowe przede wszystkim dla klientów z branż takich jak: opieka zdrowotna, bankowość, ubezpieczenia, e-commerce, FMCG i handel detaliczny. Łączymy innowację z praktycznym podejściem do rozwiązywania problemów technologicznych. Nasz zespół to pasjonaci IT, którzy stawiają na rozwój, nowoczesne technologie i przyjazne środowisko pracy. ZAKRES OBOWIĄZKÓW - 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. CZEGO OCZEKUJEMY - 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. - Wykształcenie wyższe techniczne (Informatyka lub pokrewne). 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) – istotne przy integracji z systemami. - Znajomość baz wektorowych (np. w kontekście Azure AI Search). CO OFERUJEMY - Pracę przy projektach klienckich i produktach własnych - Realny wpływ na rozwiązania biznesowe i technologiczne w ramach realizowanych projektów - Szkolenia oraz wsparcie w określeniu ścieżki rozwoju - Eventy firmowe, dostęp do usług medycznych oraz pakietów sportowych - Zatrudnienie na umowę B2B / UZ Student - Pracę w trybie hybrydowym - 1 dzień w tygodniu z biura (Warszawa) - Krótki proces rekrutacji
Наблюдалась 2026-10-06, впервые 2026-09-29, источник — Indeed.