MLOps Engineer

Nasze wymagania

• minimum 3 lata doświadczenia w obszarze DevOps, MLOps lub Software Engineering oraz doświadczenie z modelami ML działającymi na produkcji
• bardzo dobra znajomość Docker i Kubernetes, w tym zarządzania klastrami, Helm Charts i Ingress
• dobra znajomość Azure, szczególnie Azure ML, AKS i Azure Container Registry, lub doświadczenie z GCP/AWS i gotowość do szybkiego wejścia w Azure
• doświadczenie w budowaniu pipeline'ów CI/CD z wykorzystaniem np. Azure DevOps, GitHub Actions lub Jenkins, również dla procesów ML
• dobra znajomość Python oraz Bash/Shell
• praktyczna znajomość narzędzi MLOps, takich jak MLflow, Kubeflow lub rozwiązania natywne chmury
• znajomość Infrastructure as Code, np. Terraform, Bicep lub Ansible
• wykształcenie wyższe techniczne, np. Informatyka, Telekomunikacja lub kierunek pokrewny
• podejście Automation First i nastawienie na automatyzację manualnych procesów
• umiejętność współpracy z zespołami Data Science i IT Operations
• proaktywność w rozwiązywaniu problemów wydajnościowych i incydentów produkcyjnych

Mile widziane

• certyfikat Azure DevOps Engineer Expert (AZ-400) lub Azure AI Engineer (AI-102)
• doświadczenie we wdrażaniu modeli LLM
• znajomość narzędzi monitoringowych, takich jak Prometheus, Grafana lub Azure Monitor
• znajomość zagadnień sieciowych w środowisku hybrydowym, m.in. VPN, VNet, Private Endpoints
• znajomość baz wektorowych, np. w kontekście Azure AI Search

Twój zakres obowiązków

• projektowanie, rozwój i utrzymanie infrastruktury MLOps/LLMOps oraz platformy AI
• budowa skalowalnego środowiska do trenowania i serwowania modeli z wykorzystaniem Azure Machine Learning, Azure AI Foundry oraz Kubernetes/AKS
• tworzenie i rozwój pipeline'ów CI/CD/CT, obejmujących automatyczne testowanie, trening oraz wersjonowanie danych i modeli z wykorzystaniem m.in. DVC i MLflow
• przygotowywanie obrazów Docker oraz wdrażanie modeli AI/GenAI na klastrach Kubernetes
• integracja środowiska chmurowego z systemami on-premise
• rozwój monitoringu i observability modeli, w tym wykrywanie Data Drift i Model Drift, logowanie oraz alertowanie
• wdrażanie rozwiązań wspierających audytowalność modeli, lineage danych, zarządzanie dostępem i bezpieczeństwo
• optymalizacja kosztów, wydajności i czasu inferencji oraz skalowanie infrastruktury w zależności od obciążenia

O projekcie

Tak organizujemy naszą pracę

Tak pracujemy nad projektem

• TDD
• Continuous Deployment
• Continuous Integration
• DevOps
• automatyzacja testów

To oferujemy

• umowa B2B oraz stabilna, długoterminowa współpraca
• prywatna opieka medyczna Luxmed
• karta sportowa Multisport
• praca hybrydowa (1 x w tygodniu przyjazd do biura w Warszawie)

Benefity

• dofinansowanie zajęć sportowych
• prywatna opieka medyczna
• możliwość pracy zdalnej
• elastyczny czas pracy
• spotkania integracyjne

Etapy rekrutacji

• 1.
  Rozmowa HR - 20 min
• 2.
  Spotkanie z klientem - 1 h

Moondigo sp. z o.o.