MLOps Engineer
DCG
To rola senior MLOps Engineera w firmie outsourcingowej DCG, pracującego zdalnie dla klienta z branży ubezpieczeniowej (modele aktuarialne). Na co dzień będziesz budować CI/CD dla modeli ML, zarządzać infrastrukturą ML na chmurze, monitorować wydajność systemów oraz integrować rozwiązania GenAI. To stanowisko techniczne – łączysz DevOps z Data Science, nie jesteś badaczem ML.
Brakuje: nie podano wielkości zespołu, brak opisu procesu rekrutacyjnego.
To rola senior MLOps Engineera w firmie outsourcingowej DCG, pracującego zdalnie dla klienta z branży ubezpieczeniowej (modele aktuarialne). Na co dzień będziesz budować CI/CD dla modeli ML, zarządzać infrastrukturą ML na chmurze, monitorować wydajność systemów oraz integrować rozwiązania GenAI. To stanowisko techniczne – łączysz DevOps z Data Science, nie jesteś badaczem ML.
- ✓Kontrakt B2B
- ✓Nowoczesny stack MLOps + GenAI
- !Brak informacji o dyżurach on-call – może być wymagane
- !Wzmianka o 'extremely high attention to detail' – sugeruje dużą presję na jakość
- !Outsourcing – mogą występować zmiany klienta lub projektów
- •Tworzenie szablonów ciągłej integracji (GitHub Actions) dla modeli ML, zapewniających wersjonowanie, testowanie i odtwarzalność
- •Współpraca z inżynierami ML i aktuariuszami przy optymalizacji pipeline'ów treningowych pod kątem niezawodności i skalowalności
- •Opracowywanie strategii monitorowania wydajności, niezawodności i efektywności systemu ML
- •Zarządzanie end-to-end operacjami platformy AI (wysoka dostępność, bezpieczeństwo danych)
- •Integracja i zarządzanie zasobami chmurowymi (AWS/Azure/GCP) dla optymalizacji kosztów i wydajności
- •Implementacja generatywnych workflowów AI z LangChain lub smolagents
- •Budowanie API do serwowania modeli z użyciem Flask lub FastAPI
- •Utrzymywanie i rozwijanie pipeline'ów MLOps z MLflow, Airflow, Great Expectations
Oferta dla doświadczonych specjalistów (Senior).
Mid-level MLOps Engineer z 3+ latami, solidnym Pythonem, znajomością MLflow i Airflow oraz podstawami chmury, gotowy do nauki domeny aktuarialnej i pracy w zespole remote.
Osoby początkujące (junior) bez doświadczenia w MLOps i DevOps, a także inżynierowie nastawieni wyłącznie na badawczą część ML – rola wymaga silnych umiejętności infrastrukturalnych.
- ?Ile osób liczy zespół MLOps i jak jest zorganizowany?
- ?Czy w projekcie są przewidziane dyżury on-call? Ile godzin miesięcznie?
- ?Jak wygląda proces wdrożenia i onboarding dla nowej osoby?
- ?Czy istnieje możliwość nauki francuskiego na koszt firmy?
- ?Jaka jest częstotliwość spotkań synchronicznych mimo pracy zdalnej?
- −Nie podano wielkości zespołu
- −Brak opisu procesu rekrutacyjnego
- −Nie wiadomo, czy są dodatkowe benefity (np. budżet szkoleniowy)
- −Brak informacji o dostępności francuskiego w zespole lub kliencie
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię MLOps.