MLOps Engineer

Nasz klient to lider rynku ubezpieczeniowego, inwestujący w transformację cyfrową, rozwój analityki danych i AI. Praca obejmuje realne wyzwania biznesowe obsługujące miliony klientów, z wykorzystaniem nowoczesnych narzędzi i dużych zbiorów danych oraz współpracą z ekspertami z obszaru data science, aktuariatu i IT.

• Minimum 3 lata doświadczenia w obszarze DevOps, MLOps lub Software Engineering
• Praktyczne doświadczenie we wdrażaniu i utrzymaniu modeli Machine Learning w środowiskach produkcyjnych
• Zaawansowana znajomość Docker i Kubernetes, w tym zarządzania klastrami, Helm Charts oraz Ingress
• Bardzo dobra znajomość Microsoft Azure, zwłaszcza Azure Machine Learning, AKS oraz Azure Container Registry lub doświadczenie z AWS/GCP i gotowość do nauki Azure
• Doświadczenie w tworzeniu pipeline’ów CI/CD z wykorzystaniem Azure DevOps, GitHub Actions lub Jenkins
• Doświadczenie w automatyzacji procesów charakterystycznych dla ML, np. trenowania i wdrażania modeli w pipeline’ach
• Dobra znajomość Python oraz Bash/Shell
• Praktyczna znajomość narzędzi MLOps, takich jak MLflow, Kubeflow lub rozwiązań natywnych dla chmury
• Znajomość Infrastructure as Code – Terraform, Bicep lub Ansible

Nice to have:

• Certyfikaty Microsoft Azure DevOps Engineer Expert (AZ-400) lub Azure AI Engineer Associate (AI-102)
• Doświadczenie we wdrażaniu modeli LLM oraz rozwiązań opartych o RAG
• Znajomość Prometheus, Grafana lub Azure Monitor
• Doświadczenie w obszarze sieci hybrydowych: VPN, VNet, Private Endpoints
• Znajomość baz wektorowych oraz rozwiązań takich jak Azure AI Search
• Podejście Automation First i nastawienie na eliminowanie manualnych procesów
• Umiejętność współpracy na styku zespołów Data Science i IT Operations
• Proaktywność w diagnozowaniu problemów wydajnościowych i rozwiązywaniu incydentów produkcyjnych

• Projektowanie, rozwój i utrzymanie infrastruktury MLOps/LLMOps dla rozwiązań AI
• Budowa skalowalnego środowiska do trenowania oraz serwowania modeli z wykorzystaniem Azure Machine Learning, Azure AI Foundry i AKS
• Tworzenie i rozwój pipeline’ów CI/CD/CT dla rozwiązań Machine Learning
• Automatyzacja testowania, trenowania, wdrażania oraz wersjonowania danych i modeli
• Wykorzystanie narzędzi takich jak MLflow, DVC, Kubeflow oraz rozwiązań natywnych dla chmury
• Konteneryzacja modeli AI/GenAI przy użyciu Docker oraz zarządzanie wdrożeniami na klastrach Kubernetes
• Integracja środowiska chmurowego z systemami on-premise w architekturze hybrydowej
• Implementacja monitoringu modeli, w tym wykrywania Data Drift i Model Drift, logowania oraz alertowania
• Wdrażanie mechanizmów wspierających audytowalność modeli, data/model lineage, zarządzanie dostępem oraz szyfrowanie
• Optymalizacja wykorzystania zasobów Azure, kosztów infrastruktury oraz czasu inferencji modeli
• Automatyzacja infrastruktury z wykorzystaniem Infrastructure as Code
• Współpraca z zespołami Data Science, AI oraz IT Operations
• Analiza i rozwiązywanie problemów wydajnościowych oraz incydentów produkcyjnych