MLOps Engineer
(hybrid – 1 day/week from office)

📍 Warszawa – Rondo Ignacego Daszyńskiego
praca hybrydowa (1 dzień w biurze, 4 dni zdalnie)

O roli

Do zespołu rozwijającego platformę AI w branży ubezpieczeniowej poszukujemy MLOps Engineer’a, który będzie odpowiadać za projektowanie, budowę i utrzymanie środowiska MLOps/LLMOps w chmurze Azure. Rola łączy kompetencje DevOps, Cloud i Machine Learning Engineering – z silnym naciskiem na automatyzację, niezawodność i bezpieczeństwo rozwiązań AI.

---

Zakres odpowiedzialności

• Projektowanie, budowa i utrzymanie platformy AI/MLOps w środowisku hybrydowym (cloud + on-premise).

• Tworzenie skalowalnej infrastruktury do trenowania i serwowania modeli przy użyciu Azure Machine Learning, Azure AI Foundry oraz AKS.

• Budowa i rozwój pipeline’ów CI/CD/CT dla rozwiązań ML (automatyczne testy, wersjonowanie danych i modeli, continuous training).

• Konteneryzacja i orkiestracja: przygotowanie obrazów Docker dla modeli AI/GenAI oraz wdrażanie ich na Kubernetes (AKS).

• Implementacja monitoringu i observability: logowanie, alertowanie, monitoring modeli (data drift, model drift, jakość predykcji).

• Wsparcie inicjatyw związanych z AI Act: audytowalność modeli, lineage danych, bezpieczeństwo, kontrola dostępu, szyfrowanie.

• Optymalizacja kosztów i wydajności: skalowanie infrastruktury, zarządzanie zasobami Azure, poprawa czasu inferencji.

• Współpraca z zespołami Data Science, IT Operations, Security i biznesem.

---

Wymagania – Must have

• Minimum 3 lata doświadczenia w obszarze DevOps / MLOps / Software Engineering, w tym praca z modelami ML na produkcji.

• Bardzo dobra znajomość Docker i Kubernetes (zarządzanie klastrami, Helm, Ingress).

• Doświadczenie z chmurą publiczną – preferowany Azure (Azure ML, AKS, ACR) lub AWS/GCP z gotowością do szybkiego wejścia w Azure.

• Praktyka w budowie pipeline’ów CI/CD (Azure DevOps, GitHub Actions, Jenkins), uwzględniających specyfikę ML.

• Bardzo dobra znajomość Python oraz skryptowania (Bash/Shell).

• Doświadczenie z narzędziami MLOps (MLflow, Kubeflow lub rozwiązania natywne chmury).

• Znajomość Infrastructure as Code (Terraform, Bicep lub Ansible).

• Wykształcenie wyższe techniczne (informatyka lub kierunki pokrewne).

• Świadczenie usług z terytorium Polski i gotowość do pracy hybrydowej (1 dzień w tygodniu w biurze).

---

Kompetencje miękkie i sposób pracy

• Podejście „Automation First”.

• Umiejętność pracy na styku Data Science i IT Operations.

• Proaktywność w rozwiązywaniu problemów wydajnościowych i incydentów produkcyjnych.

• Dobra komunikacja i umiejętność pracy w zespołach interdyscyplinarnych.

---

Nice to have

• Certyfikaty: Azure DevOps Engineer Expert (AZ-400), Azure AI Engineer (AI-102).

• Doświadczenie z LLM, GenAI, architekturami RAG.

• Znajomość narzędzi monitoringu: Prometheus, Grafana, Azure Monitor.

• Rozumienie sieci w chmurze hybrydowej (VPN, VNet, Private Endpoints).

• Doświadczenie z bazami wektorowymi (np. Azure AI Search).

---

Dlaczego warto

• Realny wpływ na budowę platformy AI w dużej, regulowanej organizacji.

• Praca z nowoczesnym stosem technologicznym (Azure, MLOps, GenAI).

• Projekty łączące skalę enterprise, bezpieczeństwo i innowacje AI.

• Model hybrydowy – tylko 1 dzień w tygodniu z biura.