Mid MLOps Engineer

Kempuri; Warszawa; Hybrid; PLN 180,000 - 280,000; Full time

Benefits offered by this job

Elastyczny model pracy hybrydowej

Job summary

Kempuri w Warszawie poszukuje MLOps Engineera do budowy i utrzymania skalowalnej infrastruktury AI, umożliwiającej trenowanie, wdrażanie i monitorowanie modeli w środowisku produkcyjnym.

Pracownik będzie projektował rozwiązania oparte na Azure, Docker/Kubernetes, CI/CD, IaC oraz narzędzia observability, współpracując z Data Science i IT Operations. Model pracy hybrid: 4 dni zdalnie, 1 dzień w biurze.

Qualifications

• Minimum 3 lata doświadczenia w MLOps/DevOps/Cloud Engineering lub Software Engineering.
• Doświadczenie w wdrażaniu i utrzymaniu modeli ML na środowiskach produkcyjnych.
• Świetna znajomość Dockera i Kubernetes.
• Praktyczna znajomość chmury Azure (Azure ML, AKS, ACR).
• Doświadczenie w CI/CD oraz IaC (Terraform/Bicep/Ansible).

Responsibilities

• Projektowanie, rozwój i utrzymanie platformy AI wspierającej ML i Generative AI.
• Budowa środowiska MLOps/LLMOps z użyciem Azure ML, AKS i Azure Foundry.
• Automatyzacja procesów CI/CD/CT dla modeli ML i data management.
• Zarządzanie kontenerami Docker i wdrożeniami na klastrach Kubernetes.
• Monitorowanie, utrzymanie i optymalizacja modelów oraz systemów AI.

Skills

Docker

Kubernetes

Azure

CI/CD

Python

Observability

Terraform

Automation

Education

Wyższe techniczne (informatyka / telekomunikacja)

Tools

Terraform

Bicep

Ansible

Azure DevOps

GitHub Actions

Job description

Dołącz do zespołu odpowiedzialnego za budowę i rozwój nowoczesnej platformy AI wspierającej rozwiązania oparte o Machine Learning oraz Generative AI. Poszukujemy MLOps Engineera, który będzie odpowiadał za projektowanie, wdrażanie i utrzymanie skalowalnej infrastruktury umożliwiającej efektywne trenowanie, wdrażanie oraz monitorowanie modeli AI w środowisku produkcyjnym.

Requirements

Doświadczenie we wdrażaniu i utrzymaniu rozwiązań opartych o LLM (Large Language Models) oraz architekturę RAG (Retrieval-Augmented Generation). Znajomość narzędzi monitoringu i observability, takich jak Prometheus, Grafana oraz Azure Monitor. Wiedza z zakresu sieci w środowiskach hybrydowych, obejmująca VPN, VNet oraz Private Endpoints.Doświadczenie w pracy z bazami wektorowymi oraz rozwiązaniami takimi jak Azure AI Search. Doświadczenie zdobyte w sektorze regulowanym, np. ubezpieczeniowym, bankowym lub finansowym.

• Minimum 3 lata doświadczenia w obszarze MLOps, DevOps, Cloud Engineering lub Software Engineering, w tym praktyczne doświadczenie we wdrażaniu i utrzymaniu modeli Machine Learning na środowiskach produkcyjnych.Bardzo dobra znajomość Docker oraz Kubernetes (zarządzanie klastrami, Helm Charts, Ingress, orkiestracja kontenerów).
• Praktyczne doświadczenie z chmurą Microsoft Azure, w szczególności:
• Azure Machine Learning,
• Azure Kubernetes Service (AKS),
• Azure Container Registry (ACR).
• Doświadczenie w projektowaniu i utrzymaniu procesów CI/CD z wykorzystaniem Azure DevOps, GitHub Actions, Jenkins lub podobnych narzędzi.Dobra znajomość języka Python oraz skryptowania w Bash/Shell.
• Praktyczna znajomość narzędzi MLOps, takich jak MLflow, Kubeflow lub rozwiązań natywnych dla platform chmurowych.
• Znajomość narzędzi Infrastructure as Code (IaC), takich jak Terraform, Bicep lub Ansible.Znajomość cyklu życia modeli Machine Learning, obejmująca wdrażanie, wersjonowanie, monitorowanie oraz procesy retrenowania modeli.Umiejętność efektywnej współpracy z zespołami Data Science, Data Engineering oraz IT Operations.Umiejętność diagnozowania i rozwiązywania problemów produkcyjnych oraz optymalizacji wydajności systemów.
• Wykształcenie wyższe techniczne (informatyka, telekomunikacja lub kierunki pokrewne).
• Podejście Automation First oraz nastawienie na automatyzację procesów i eliminację pracy manualnej. Mile widziane: Certyfikaty Microsoft Azure, w szczególności:
• Azure DevOps Engineer Expert (AZ-400),
• Azure AI Engineer Associate (AI-102).

Responsibilities

• Projektowanie, rozwój i utrzymanie platformy AI wspierającej rozwiązania Machine Learning oraz Generative AI.Budowa i rozwój środowiska MLOps/LLMOps z wykorzystaniem Azure Machine Learning, Azure AI Foundry oraz Azure Kubernetes Service (AKS).
• Tworzenie oraz automatyzacja procesów CI/CD/CT dla modeli ML, obejmujących automatyczne testowanie, wersjonowanie danych i modeli oraz Continuous Training.
• Przygotowywanie i utrzymanie kontenerów Docker oraz zarządzanie wdrożeniami na klastrach Kubernetes.
• Wdrażanie i utrzymanie modeli AI oraz GenAI w środowiskach produkcyjnych, także w architekturze hybrydowej z integracją systemów on-premise.
• Zarządzanie cyklem życia modeli Machine Learning, od trenowania i wdrożenia po monitorowanie i optymalizację działania.Implementacja rozwiązań monitorujących, obejmujących wykrywanie Data Drift i Model Drift, logowanie, alertowanie oraz zapewnienie wysokiej dostępności usług AI.
• Tworzenie i rozwijanie mechanizmów audytowalności, śledzenia pochodzenia danych (data lineage) oraz zabezpieczeń zgodnych z wymaganiami regulacyjnymi i wytycznymi AI Act.Optymalizacja kosztów infrastruktury chmurowej Azure oraz wydajności procesów inferencji i trenowania modeli.Wdrażanie rozwiązań Infrastructure as Code (IaC) przy użyciu narzędzi takich jak Terraform, Bicep lub Ansible.Współpraca z zespołami Data Science, Data Engineering i IT Operations przy projektowaniu oraz wdrażaniu rozwiązań AI.
• Analiza oraz rozwiązywanie incydentów produkcyjnych, problemów wydajnościowych i infrastrukturalnych.Udział w definiowaniu standardów i dobrych praktyk w obszarze MLOps, automatyzacji oraz zarządzania środowiskami AI.

Our offer

• Udział w strategicznym projekcie budowy i rozwoju platformy AI dla jednej z największych organizacji z sektora ubezpieczeniowego.
• Możliwość pracy z najnowszymi technologiami z obszaru MLOps, LLMOps, Machine Learning oraz Generative AI.
• Realny wpływ na kształt architektury, standardów i procesów związanych z wdrażaniem rozwiązań AI na środowiskach produkcyjnych.
• Współpracę z doświadczonymi ekspertami z obszarów Data Science, Cloud, DevOps i AI.
• Dostęp do nowoczesnego środowiska opartego o usługi Microsoft Azure, Kubernetes oraz rozwiązania GenAI.
• Pracę przy projektach wykorzystujących modele językowe (LLM), automatyzację procesów oraz zaawansowaną analitykę danych.
• Elastyczny model pracy hybrydowej: 4 dni pracy zdalnej, 1 dzień pracy z biura w Warszawie.
• Stabilną i długofalową współpracę przy projekcie o dużym znaczeniu biznesowym.
• Możliwość rozwoju kompetencji w obszarze chmury, MLOps oraz nowoczesnych technologii AI.
• Przyjazną atmosferę pracy, wymianę wiedzy oraz wsparcie zespołu doświadczonych specjalistów.