Ładowanie...
MLOps Engineer
TQLO sp. z o.o.
🛠 Wymagane technologieDane źródłowe
AI Insights
Czym naprawdę jest ta rola?MLOps Engineer
Rola MLOps Engineer w agencji TQLO. Zadaniem jest budowanie i utrzymanie skalowalnych, stabilnych i w pełni zautomatyzowanych środowisk ML na platformie Azure. Obejmuje to projektowanie pipeline'ów MLOps, konteneryzację workloadów, automatyzację trenowania i wdrażania modeli, zarządzanie wersjami, monitoring dryfu modeli oraz tworzenie infrastruktury jako kod. Rola jest czysto inżynierska – łączy data engineering, DevOps i architekturę modeli, ale nie obejmuje samego budowania modeli ML.
Plusy
- ✓Realny wpływ na architekturę środowiska ML
- ✓Nowoczesny stack oparty na Azure
- ✓Stabilna, długoterminowa współpraca strategiczna
- ✓Zwinny, wysoko wykwalifikowany zespół z szybkim podejmowaniem decyzji
- ✓Wsparcie zespołu TQLO przez cały okres współpracy
Na co uważać
- !Agencja zatrudnienia (Employment Agency) – może oznaczać mniejszą stabilność niż bezpośredni produkt
- !Brak informacji o wielkości zespołu ani o konkretnym projekcie
- !Nie wspomniano o dyżurach on-call ani monitorowaniu po godzinach
Codzienna praca
- •Projektowanie i implementacja end-to-end pipeline'ów MLOps na Azure z użyciem Azure ML, AKS, ACR i Azure Data Lake
- •Konteneryzacja workloadów ML za pomocą Docker i Kubernetes
- •Automatyzacja trenowania, walidacji i wdrażania modeli przez CI/CD z Git, Airflow, MLflow, Kubeflow
- •Zarządzanie wersjonowaniem modeli, eksperymentami i rejestrami (Azure ML Model Registry)
- •Implementacja monitoringu i alertowania dla dryfu modeli, jakości danych i wydajności inferencji
- •Tworzenie i utrzymanie Infrastructure as Code (IaC) z Terraform, Bicep lub ARM Templates
- •Stosowanie best practice bezpieczeństwa i compliance dla modeli, API i danych
- •Współpraca z zespołem w celu automatyzacji i powtarzalności procesów
Więcej o ofercie
Dla kogo jest ta oferta
Profil idealny
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Minimum sensowne
Inżynier z co najmniej 2 latami praktycznego doświadczenia w obszarze MLOps na Azure, który samodzielnie budował pipeline'y CI/CD i konteneryzował workloadi ML.
Raczej nie dla
Juniorzy bez doświadczenia w produkcyjnych środowiskach ML ani w Azure. Osoby, które wolą unikać infrastruktury i skupiać się wyłącznie na modelowaniu.
Ocena dopasowania
Junior1/5
Mid5/5
Senior4/5
Hands-on5/5
Architekt3/5
Remote5/5
Enterprise3/5
Pytania do rekrutera
- ?Ile osób liczy zespół MLOps i z jakimi zespołami będzie najczęstsza współpraca?
- ?Czy rola wiąże się z dyżurami on-call? Jak często?
- ?Jaki jest konkretny projekt – czy to greenfield czy rozwijanie istniejącego środowiska?
- ?Jakie są główne wyzwania techniczne, przed którymi stoi zespół?
- ?Czy wymagana jest znajomość konkretnych narzędzi do monitorowania modeli (np. Evidently, WhyLabs)?
- ?Jaki jest oczekiwany level samodzielności przy podejmowaniu decyzji architektonicznych?
- ?Czy istnieje możliwość rozwoju i budżet na konferencje/szkolenia?
- ?Jak wygląda proces rekrutacyjny – ile etapów, czy jest zadanie domowe?
Brakujące informacje
- −Brak informacji o wielkości zespołu
- −Nie opisano procesu rekrutacyjnego
- −Nie wiadomo, czy istnieją dyżury on-call
- −Brak szczegółów o produkcie/projekcie (branch, skala)
- −Nie podano budżetu na szkolenia ani konferencje
Zespół
Zwinny, wysoko wykwalifikowany zespół z szybkim podejmowaniem decyzji, wspierany przez agencję TQLO.
Oferta w skrócie
21 840 – 25 200PLN / mies.
🏠ZdalnieTryb pracy
📄B2BKontrakt
⏱️Mid · 3+ latDoświadczenie
LokalizacjaWarszawa
Źródło
justjoinitAktywna
Opublikowano9 maja 2026
Ostatnio sprawdzono9 maja 2026
Wygasa za30 dni
🔗Podobne oferty