MLOps Inżynier/Inżynierka
AVENGA (Agencja Pracy, nr KRAZ: 8448)
Rola inżyniera MLOps skupiona na budowie i utrzymaniu platformy AI/GenAI w branży ubezpieczeniowej. Kandydat będzie odpowiedzialny za projektowanie i budowę infrastruktury MLOps/LLMOps, automatyzację procesów CI/CD/CT, konteneryzację, orkiestrację, monitoring oraz wsparcie techniczne dla AI Act. Praca w modelu hybrydowym z naciskiem na Azure.
Brakuje: brak informacji o konkretnych modelach ai/genai, które będą wdrażane., nie podano szczegółów dotyczących wielkości zespołu mlops..
Rola inżyniera MLOps skupiona na budowie i utrzymaniu platformy AI/GenAI w branży ubezpieczeniowej. Kandydat będzie odpowiedzialny za projektowanie i budowę infrastruktury MLOps/LLMOps, automatyzację procesów CI/CD/CT, konteneryzację, orkiestrację, monitoring oraz wsparcie techniczne dla AI Act. Praca w modelu hybrydowym z naciskiem na Azure.
- ✓Projekt z branży ubezpieczeniowej dotyczący systemu PML – specyficzna domena.
- ✓Wsparcie techniczne dla AI Act – praca z aktualnymi i przyszłymi regulacjami.
- ✓Integracja z systemami on-premise – ciekawe wyzwanie architektoniczne.
- !Praca w modelu hybrydowym, 1 dzień w tygodniu minimum, z biura w Warszawie – może być niejasne dla osób szukających w pełni zdalnej pracy.
- !Gotowość do szybkiego wejścia w Azure, jeśli kandydat ma doświadczenie głównie z GCP/AWS, może być wyzwaniem.
- •Projektowanie i budowa infrastruktury MLOps/LLMOps
- •Tworzenie skalowalnego środowiska do trenowania i serwowania modeli przy użyciu Azure Machine Learning, Azure AI Foundry oraz Kubernetes (AKS)
- •Implementacja potoków (pipelines) CI/CD dla rozwiązań ML, obejmujących automatyczne testowanie, wersjonowanie danych i modeli (DVC, MLflow) oraz Continuous Training (CT)
- •Przygotowywanie obrazów Docker dla modeli AI/GenAI oraz zarządzanie ich wdrożeniami na klastrach Kubernetes w architekturze hybrydowej (integracja z systemami on-premise)
- •Wdrożenie zaawansowanego monitoringu modeli (wykrywanie Data Drift/Model Drift), logowania i alertowania
- •Implementacja narzędzi do audytowalności modeli, lineage (śledzenie pochodzenia danych) oraz bezpieczeństwa (zarządzanie dostępem, szyfrowanie) zgodnie z wymogami regulacyjnymi
- •Zarządzanie zasobami chmurowymi Azure, optymalizacja czasu inferencji modeli oraz skalowanie infrastruktury w zależności od obciążenia
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Kandydat z minimum 3-letnim doświadczeniem w DevOps/MLOps/Inżynierii Oprogramowania, z praktyką w pracy z modelami ML na produkcji. Musi posiadać zaawansowaną znajomość Docker i Kubernetes, dobrą znajomość Azure (lub gotowość do szybkiego wejścia w Azure) oraz doświadczenie w CI/CD i Pythonie.
Oferta nie jest dla osób z mniejszym niż 3-letnim doświadczeniem w obszarze DevOps/MLOps/Inżynierii Oprogramowania, bez praktyki z modelami ML na produkcji. Kandydaci bez znajomości Docker, Kubernetes, Azure (lub podobnych chmur) oraz bez umiejętności programowania w Pythonie nie będą pasować.
- ?Jak wygląda proces integracji z systemami on-premise w kontekście wdrażania modeli?
- ?Jakie są główne wyzwania związane z audytowalnością modeli i lineage w ramach AI Act?
- ?Jakie są obecne narzędzia do monitoringu i observability wdrożone na platformie?
- ?Jakie są plany rozwoju platformy w kontekście LLMOps?
- ?Jak wygląda typowy cykl życia modelu od treningu do produkcji w tym projekcie?
- −Brak informacji o konkretnych modelach AI/GenAI, które będą wdrażane.
- −Nie podano szczegółów dotyczących wielkości zespołu MLOps.
- −Brak informacji o narzędziach do wersjonowania danych (poza wspomnianym DVC).
Praca w zespole z naciskiem na innowacje w obszarze AI/GenAI, z wykorzystaniem najnowszych technologii chmurowych i narzędzi MLOps. Atmosfera przyjazna, z możliwością rozwoju.
Nie podano szczegółów procesu rekrutacyjnego.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Azure. Pełne statystyki zarobków →