(Podsumowanie wygenerowane przez AI na bazie pełnej treści ogłoszenia rekrutacyjnego)
Projekt dotyczy transformacji w branży ubezpieczeń, budowy nowoczesnego ekosystemu obsługi szkód i świadczeń opartego na danych, automatyzacji, AI oraz workflow. Wymagane są umiejętności w obszarze MLOps, z minimum 3 latami doświadczenia i biegłością w Python oraz Bash/Shell. Stack technologiczny obejmuje Azure Machine Learning, AKS, Azure Container Registry, MLflow/DVC, Docker, Kubernetes, Helm, oraz pipeline’y CI/CD (Azure DevOps, GitHub Actions, Jenkins) i narzędzia IaC (Terraform/Bicep/Ansible). Zakres odpowiedzialności obejmuje implementację potoków CI/CD/CT, projektowanie infrastruktury MLOps/LLMOps, konteneryzację modeli AI/GenAI, wdrożenia na Kubernetes w architekturze hybrydowej oraz optymalizację kosztów i wydajności chmury. Oferowane są elastyczne warunki współpracy B2B, wsparcie administracyjne, udział w meetupach, opcjonalne spotkania w Warszawie i proces rekrutacyjny z AI Rekruterem.
Wymagania
Technologie wymagane
Nasze wymagania
- Minimum 3 lata doświadczenia w obszarze MLOps, Machine Learning lub Data Engineering
- Głęboka znajomość Azure (w szczególności Azure ML, AKS, Azure Container Registry) lub GCP/AWS z gotowością do szybkiego wejścia w Azure.
- Praktyczna obsługa MLflow, Kubeflow lub rozwiązań natywnych chmury do zarządzania cyklem życia modelu.
- Zaawansowana znajomość Docker i Kubernetes (zarządzanie klastrami, Helm charts, Ingress).
- Doświadczenie w budowaniu pipeline'ów (Azure DevOps, GitHub Actions, Jenkins).
- Dobra znajomość Python (niezbędna do pracy z SDK narzędzi ML) oraz Bash/Shell.
- Znajomość Terraform, Bicep lub Ansible.
Twój zakres obowiązków
- Automatyzacja procesów CI/CD/CT: Implementacja potoków (pipelines) CI/CD dla rozwiązań ML, obejmujących automatyczne testowanie, wersjonowanie danych i modeli (DVC, MLflow) oraz Continuous Training (CT).
- 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).
- Konteneryzacja i orkiestracja: Przygotowywanie obrazów Docker dla modeli AI/GenAI oraz zarządzanie ich wdrożeniami na klastrach Kubernetes w architekturze hybrydowej (integracja z systemami on-premise).
- Optymalizacja kosztów i wydajności: Zarządzanie zasobami chmurowymi Azure, optymalizacja czasu inferencji modeli oraz skalowanie infrastruktury w zależności od obciążenia.
O projekcie
To oferujemy
- Nowy sposób na aplikowanie z AI Rekruterem (AIR) – w trakcie procesu możesz porozmawiać z wirtualnym rekruterem 24/7, bez czekania na telefon. Finalną decyzję zawsze podejmuje Opiekun Projektu.
- Otwartość na okazjonalne spotkania projektowe w Warszawie (orientacyjnie 1x w tygodniu), ustalane w zależności od potrzeb projektu i uzgadniane między stronami.
- Współpracę w modelu projektowym, z rozliczeniem opartym na etapach i protokołach odbioru poszczególnych deliverables.
- Wsparcie po stronie Connectis w sprawach administracyjnych i rozliczeniowych związanych ze współpracą.
- Uczestnictwo w wydarzeniach branżowych oraz meetupach technologicznych.
- 5 000 PLN za polecenie znajomych do naszych projektów.
- Elastyczna forma współpracy B2B.
- Szybki i zdalny proces.
Connectis_
Klikając w przycisk „Aplikuj” potwierdzasz, że zapoznałeś(‑łaś) się i akceptujesz Regulamin serwisu.
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Brakuje Ci informacji?
- Upewnij się, że w treści nie ma tego, czego szukasz.
- Zadaj pytanie, jeśli potrzebujesz więcej szczegółów dotyczących powyższej oferty.
- Przekażemy Twoje pytanie do pracodawcy i postaramy się dostarczyć odpowiedź w ciągu 3 dni roboczych.