AI & MLOps Engineer(M/F)
B2B.NET
Rola łączy MLOps i AI Engineering w projektach dla bankowości i finansów. Będziesz odpowiedzialny za projektowanie, automatyzację i utrzymanie środowisk do trenowania, testowania i wdrażania modeli AI/ML, w tym rozwiązań Generative AI i LLM. Praca polega na budowie pipeline'ów ML, monitorowaniu modeli produkcyjnych, zarządzaniu infrastrukturą chmurową (AWS/Azure/GCP) oraz współpracy z zespołami Data Science, Data Engineering i DevOps. Wymaga zarówno umiejętności infrastrukturalnych (Docker, CI/CD, Kubernetes), jak i znajomości frameworków ML (PyTorch, TensorFlow) oraz narzędzi do LLM (LangChain, wektorowe bazy danych). To stanowisko dla osoby z doświadczeniem w produkcyjnym wdrażaniu modeli, która chce pracować z najnowszymi technologiami AI.
Brakuje: nie podano konkretnego klienta ani projektu., brak informacji o liczbie osób w zespole i strukturze..
Rola łączy MLOps i AI Engineering w projektach dla bankowości i finansów. Będziesz odpowiedzialny za projektowanie, automatyzację i utrzymanie środowisk do trenowania, testowania i wdrażania modeli AI/ML, w tym rozwiązań Generative AI i LLM. Praca polega na budowie pipeline'ów ML, monitorowaniu modeli produkcyjnych, zarządzaniu infrastrukturą chmurową (AWS/Azure/GCP) oraz współpracy z zespołami Data Science, Data Engineering i DevOps. Wymaga zarówno umiejętności infrastrukturalnych (Docker, CI/CD, Kubernetes), jak i znajomości frameworków ML (PyTorch, TensorFlow) oraz narzędzi do LLM (LangChain, wektorowe bazy danych). To stanowisko dla osoby z doświadczeniem w produkcyjnym wdrażaniu modeli, która chce pracować z najnowszymi technologiami AI.
- ✓Praca z najnowszymi technologiami AI/ML, w tym Generative AI i LLM.
- ✓Możliwość współpracy z ekspertami Data Science, AI i Cloud Engineering.
- ✓Długoterminowe projekty w stabilnym sektorze bankowym.
- ✓Realny wpływ na rozwój produktów i usług.
- ✓Elastyczny czas pracy.
- −Model outsourcingowy – możliwa praca u klienta lub zmiany projektów, co może wpływać na stabilność.
- −Nie podano konkretnego klienta ani szczegółów zespołu.
- !Szeroki zakres wymagań (MLOps + AI + Generative AI + cloud) – może wymagać bardzo wszechstronnej osoby.
- !Brak informacji o liczbie osób w zespole i strukturze.
- !Nie sprecyzowano, czy praca jest na stałym projekcie, czy rotacyjna („możesz zmienić projekt”).
- !Nie podano procesu rekrutacyjnego.
- •Projektowanie i rozwój środowisk MLOps dla modeli AI/ML
- •Automatyzacja procesów trenowania, testowania i wdrażania modeli
- •Budowa i utrzymanie ML pipeline'ów oraz data pipeline'ów
- •Monitorowanie jakości, wydajności i stabilności modeli produkcyjnych
- •Implementacja rozwiązań Generative AI i Large Language Models (LLM)
- •Zarządzanie infrastrukturą chmurową (AWS/Azure/GCP) dla rozwiązań AI
- •Optymalizacja kosztów i wydajności środowisk AI/ML
- •Tworzenie dokumentacji technicznej i dobrych praktyk AI Engineering
Oferta dla doświadczonych specjalistów (Senior).
Minimalny profil to inżynier z około 3 latami doświadczenia w MLOps/ML, solidnie znający Pythona, Dockera i jedną z platform chmurowych. Potrafi zautomatyzować proces wdrożenia modelu i współpracować z Data Scientistami. Brak doświadczenia z LLM nie dyskwalifikuje, ale mile widziane.
Nie dla juniorów ani osób z mniej niż 3 latami doświadczenia w MLOps/ML. Rola nie jest odpowiednia dla czystych Data Scientistów bez umiejętności infrastrukturalnych (Docker, cloud, CI/CD) ani dla administratorów infrastruktury bez znajomości ML.
- ?Dla jakiego konkretnego klienta (bank/firma finansowa) będzie realizowany projekt?
- ?Ile osób liczy zespół i jaka jest jego struktura?
- ?Jakie narzędzia do monitorowania modeli produkcyjnych są używane?
- ?Jak wygląda proces wdrożenia modelu – od eksperymentu do produkcji?
- ?Czy są przewidziane dyżury on-call dla modeli produkcyjnych?
- ?Jaki jest poziom autonomii technicznej – czy mogę wpływać na wybór narzędzi?
- ?Jakie są plany rozwoju w obszarze Generative AI i LLM w najbliższym czasie?
- −Nie podano konkretnego klienta ani projektu.
- −Brak informacji o liczbie osób w zespole i strukturze.
- −Nie ma opisu procesu rekrutacyjnego.
- −Nie wiadomo, czy praca wymaga okazjonalnych wizyt w biurze (mimo deklaracji remote).
- −Nie sprecyzowano narzędzi do monitoringu modeli.
Zespół pracuje w metodyce Agile/Scrum, z naciskiem na współpracę interdyscyplinarną (Data Science, Data Engineering, DevOps) i wpływ na rozwiązania technologiczne.
Poniżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →