MLOps / Machine Learning Engineer

• doświadczenie w pracy jako MLOps Engineer / Machine Learning Engineer lub w podobnej roli
• bardzo dobra znajomość Pythona i doświadczenie w budowie rozwiązań produkcyjnych
• praktyczne doświadczenie z Kubernetes
• doświadczenie z chmurą (preferowana GCP)
• rozumienie architektury rozwiązań Machine Learning oraz LLM i umiejętność wdrażania ich w środowisku produkcyjnym
• znajomość zagadnień związanych z MLOps / DevOps
• swobodne poruszanie się w środowisku Linux (Debian / RHEL)
• doświadczenie w samodzielnym prowadzeniu projektów technologicznych end-to-end
• umiejętność analizowania problemów i proponowania skutecznych rozwiązań
• dobra współpraca z biznesem i umiejętność przekładania wymagań na rozwiązania techniczne
• swobodna komunikacja w języku angielskim

• prowadzenie projektów MLOps end-to-end w branży bankowej – od analizy potrzeb biznesowych, przez projekt architektury, po wdrożenie i utrzymanie rozwiązań produkcyjnych
• projektowanie i implementacja rozwiązań opartych o Machine Learning oraz LLM zgodnie z najlepszymi praktykami MLOps / LLMOps
• rozwój i utrzymanie środowisk produkcyjnych w Kubernetes oraz Google Cloud Platform
• budowa i optymalizacja pipeline’ów MLOps (CI/CD, automatyzacja, monitoring modeli, governance)
• integracja modeli ML/LLM z istniejącymi systemami i aplikacjami biznesowymi
• diagnozowanie problemów produkcyjnych oraz zapewnienie stabilności i niezawodności wdrożonych rozwiązań
• współpraca z zespołami Data Science, DevOps, Architektury oraz Security
• rekomendowanie nowych technologii i usprawnień w obszarze platformy ML/AI
• prowadzenie code review oraz mentoring członków zespołu
• dokumentowanie architektury oraz wdrożonych rozwiązań
• samodzielne podejmowanie decyzji technicznych i odpowiedzialność za ich realizację
• praca w środowisku Linux (Debian / RHEL)
• praca hybrydowa – 1 x w tygodniu z biura w Warszawie

Praca hybrydowa – 1 x w tygodniu z biura w Warszawie