• Projekt dotyczy zaprojektowania i wdrożenia skalowalnej platformy przetwarzania danych oraz rozwiązań opartych o sztuczną inteligencję. Głównym celem jest umożliwienie automatyzacji procesów analitycznych oraz integracji modeli Machine Learning i rozwiązań GenAI w środowisku produkcyjnym.
• Zakres prac obejmuje budowę i optymalizację pipeline’ów danych, implementację modeli ML/LLM, a także rozwój praktyk MLOps/LLMOps zapewniających stabilność, monitoring i ciągłe doskonalenie rozwiązań. System jest rozwijany w środowisku chmurowym, z naciskiem na wydajność, skalowalność i łatwość utrzymania.

Codzienne zadania

• Współpraca z zespołami Data Science przy wdrażaniu modeli ML do środowiska produkcyjnego
• Projektowanie i implementacja rozwiązań GenAI (m.in. integracje LLM, RAG, prompt engineering)
• Budowa i rozwój pipeline’ów przetwarzania danych (batch oraz near real-time)
• Implementacja i rozwój praktyk MLOps/LLMOps (monitoring, CI/CD, versioning modeli)
• Tworzenie mikroserwisów i API w Pythonie wspierających systemy ML
• Optymalizacja wydajności przetwarzania danych i modeli
• Zbieranie wymagań technicznych oraz estymacja prac
• Przygotowywanie dokumentacji technicznej
• Prezentowanie rozwiązań i wyników interesariuszom

Must have

• Python
• API
• Microservices
• ML
• MLOps
• llmops
• Azure ML
• azure ai
• Databricks
• Spark
• PySpark
• Azure
• GCP
• ETL
• LLM
• RAG
• CI/CD