MLOps Engineer
Antal
Rola polega na budowaniu i utrzymywaniu nowoczesnej platformy AI w sektorze ubezpieczeniowym. Będziesz projektować i wdrażać infrastrukturę MLOps/LLMOps w środowisku hybrydowym na Azure, w tym konteneryzację, CI/CD dla ML, monitoring modeli oraz zapewnienie zgodności z AI Act. To stanowisko łączy DevOps z inżynierią ML, wymagając zarówno wiedzy infrastrukturalnej, jak i znajomości cyklu życia modeli.
Brakuje: nie podano wielkości zespołu, brak informacji o systemie dyżurów on-call.
Rola polega na budowaniu i utrzymywaniu nowoczesnej platformy AI w sektorze ubezpieczeniowym. Będziesz projektować i wdrażać infrastrukturę MLOps/LLMOps w środowisku hybrydowym na Azure, w tym konteneryzację, CI/CD dla ML, monitoring modeli oraz zapewnienie zgodności z AI Act. To stanowisko łączy DevOps z inżynierią ML, wymagając zarówno wiedzy infrastrukturalnej, jak i znajomości cyklu życia modeli.
- ✓Praca nad nowoczesną platformą AI z wykorzystaniem najnowszych technologii chmurowych
- ✓Wyraźne wskazanie odpowiedzialności za zgodność z AI Act – plus w kontekście regulacji
- ✓Podejście „Automation First” i współpraca na styku DS i IT
- ✓Interesująca domena ubezpieczeniowa z potencjałem skalowania
- !Rozbieżność między danymi strukturalnymi (praca stacjonarna) a opisem (hybryda 1 dzień/tydz.) – warto wyjaśnić rzeczywisty model pracy
- !Brak informacji o wielkości zespołu i liczbie projektów
- !Nie sprecyzowano, czy project jest greenfield czy utrzymanie istniejącej platformy
- !Brak opisu procesu rekrutacyjnego
- •Projektowanie i wdrażanie pipeline'ów CI/CD/CT dla modeli ML z użyciem Azure DevOps lub GitHub Actions
- •Zarządzanie klastrami Kubernetes (AKS) – tworzenie Helm chartów, Ingress, skalowanie
- •Konfiguracja i utrzymanie Azure Machine Learning oraz Azure AI Foundry
- •Wersjonowanie danych i modeli, automatyczne trenowanie i testowanie
- •Monitorowanie modeli w produkcji: wykrywanie Data/Model Drift, logowanie, alertowanie
- •Optymalizacja kosztów i wydajności środowisk ML oraz inferencji
- •Wsparcie w zakresie audytowalności i bezpieczeństwa modeli (lineage, dostęp)
- •Współpraca z zespołami Data Science i IT Operations w rozwiązywaniu incydentów
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z dokładnie 3-letnim doświadczeniem w MLOps/DevOps, solidną znajomością Dockera i K8s, podstawowym doświadczeniem w Azure i gotowością do intensywnego rozwoju w kierunku Azure ML.
Juniorzy bez udokumentowanego doświadczenia produkcyjnego z modelami ML, ani osoby z wyłącznie data science bez infrastruktury. Rola wymaga praktycznej wiedzy DevOps i chmury.
- ?Jaka jest wielkość i struktura zespołu (liczba MLOps, Data Scientist, DevOps)?
- ?Czy projekt jest greenfield czy modernizacja istniejącej platformy?
- ?Jak wygląda dyżurowanie/on-call? Czy są przewidziane dyżury produkcyjne?
- ?Jaki jest budżet na szkolenia i certyfikacje (np. Azure)?
- ?Czy praca jest bezpośrednio u klienta ubezpieczeniowego, czy poprzez Antal? Jaki jest model współpracy z agencją?
- ?Jakie są główne wyzwania techniczne w obecnym projekcie?
- ?Czy istnieje możliwość pracy zdalnej z większą elastycznością niż 1 dzień w biurze?
- ?Jakie są plany rozwoju platformy w ciągu najbliższych 12 miesięcy?
- −Nie podano wielkości zespołu
- −Brak informacji o systemie dyżurów on-call
- −Nie opisano procesu rekrutacyjnego (etapy, zadanie domowe itp.)
- −Nie wiadomo, czy projekt jest nowy czy legacy
Zespół kładzie nacisk na automatyzację („Automation First”) i ścisłą współpracę między Data Science a IT Operations. Oczekiwana jest proaktywność w rozwiązywaniu problemów i incydentów produkcyjnych.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię MLOps.