MLOps Engineer

Wspólnie z naszym Partnerem z branży ubezpieczeń poszukujemy doświadczonego/ej specjalisty/ki do świadczenia usług jako MLOps Engineer . Projekt dotyczy strategicznego programu transformacyjnego realizowanego na styku biznesu i technologii. Nasz klient tworzy nowoczesny ekosystem obsługi szkód i świadczeń oparty na danych, automatyzacji, AI oraz procesach workflow. ✨ 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. Dziękujemy za wszystkie zgłoszenia. Pragniemy poinformować, że skontaktujemy się z wybranymi osobami. 13537/MP Daily tasks: - 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. 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 . Must have: Azure, Azure Machine Learning, Docker, Kubernetes, Helm, AKS, CI/CD, Azure Devops, Python, Bash, MLFlow, Terraform