MLOps Engineer / AI Data Engineer

Wymagane, Python, Docker, Kubernetes

Mile widziane, MLflow, Kubeflow, AWS SageMaker, Azure ML, AWS, Microsoft Azure, Azure DevOps, GitLab CI, Terraform, PySpark

O projekcie, Dla naszego Klienta - rozwijającego swoje strategiczne, globalne centrum technologiczne i cyfryzacji w Warszawie - poszukujemy doświadczonej osoby na stanowisko MLOps Engineer / AI Data Engineer., , Nasz Klient wdraża zaawansowane rozwiązania z zakresu sztucznej inteligencji, uczenia maszynowego (AI/ML) oraz analityki predykcyjnej wspierające badania nad nowymi lekami, optymalizację procesów klinicznych oraz działania komercyjne. Jest to kluczowa rola inżynieryjna odpowiedzialna za automatyzację, skalowanie i produkcyjne wdrażanie modeli uczenia maszynowego.

Tak pracujemy, u klienta, masz wpływ na wybór narzędzi i technologii, masz wpływ na rozwiązania technologiczne, masz wpływ na produkt

Twój zakres obowiązków, Budowa i automatyzacja potoków MLOps: Projektowanie i utrzymanie wysoce skalowalnych rurociągów CI/CD/CT (Continuous Integration, Deployment, Training) dla modeli uczenia maszynowego., Integracja z platformą danych: Współpraca z zespołami Data Science i Data Engineering przy wdrażaniu modeli z wykorzystaniem Databricks (MLflow), środowiska chmurowego (AWS / Azure) oraz technologii kontenerowych (Docker, Kubernetes)., Monitoring i utrzymanie modeli: Wdrażanie systemów do ciągłego monitorowania wydajności modeli produkcyjnych (model drift, data drift), zarządzania ich wersjonowaniem oraz rejestrem (Model Registry)., Zapewnienie wydajności i bezpieczeństwa: Optymalizacja zużycia zasobów obliczeniowych, dbając o wysokie standardy bezpieczeństwa danych medycznych oraz zgodność z wewnętrznymi regulacjami (Data Governance)., Standaryzacja procesów: Tworzenie dobrych praktyk i szablonów pracy inżynieryjnej w obszarze uczenia maszynowego dla zespołów analitycznych w Europie, USA i Azji.

Min. 3 lata doświadczenia na stanowisku MLOps Engineer, DevOps Engineer, Machine Learning Engineer lub Senior Data Engineer., Praktyczna znajomość narzędzi do zarządzania cyklem życia modeli AI/ML (ze szczególnym uwzględnieniem MLflow, Kubeflow lub rozwiązań natywnych AWS SageMaker / Azure ML)., Biegłość w programowaniu w języku Python oraz bardzo dobra znajomość konteneryzacji (Docker, Kubernetes)., Doświadczenie w pracy z platformami Databricks oraz dostawcami chmurowymi (AWS lub Microsoft Azure)., Znajomość narzędzi CI/CD oraz Infrastructure as Code (np. Azure DevOps, GitLab CI, Terraform)., Bardzo dobra znajomość języka angielskiego (min. B2/C1) - praca w międzynarodowym zespole analitycznym.

Mile widziane, Doświadczenie w projektach z zakresu Generative AI / LLM Orchestration lub przetwarzania dużych zbiorów danych (PySpark)., Znajomość specyfiki pracy w branży regulowanej (Pharma, MedTech, Finance)., Certyfikacje chmurowe (np. Databricks Certified Machine Learning Professional, AWS Certified Machine Learning Specialist, Azure AI Engineer).

To oferujemy, Praca przy innowacyjnych projektach AI: Realny wpływ na budowę produkcyjnych systemów sztucznej inteligencji wspomagających rozwój medycyny., Najnowocześniejszy stack technologiczny: Dostęp do zaawansowanych platform analitycznych (Databricks, MLflow, AWS/Azure) bez długu technologicznego., Elastyczny model pracy: Praca hybrydowa z nowoczesnego biura w Warszawie., Rozwój i budżet szkoleniowy: Pełne wsparcie w certyfikacji chmurowej, udział w konferencjach branżowych oraz jasna ścieżka kariery., Atrakcyjny pakiet benefitów: Prywatna opieka medyczna, karta sportowa, dofinansowanie do nauki języków.

Benefity, dofinansowanie zajęć sportowych, prywatna opieka medyczna, dofinansowanie nauki języków, dofinansowanie szkoleń i kursów, elastyczny czas pracy, owoce, spotkania integracyjne, brak dress code’u

CodeTalent Sp. z o.o., Jesteśmy technologicznym partnerem outsourcingowym w którym transparentność jest fundamentem, a nie dodatkiem. Wykorzystujemy autorskie narzędzia analityczne, by dostarczać przejrzyste modele współpracy i realnie skracać czas onboardingu ekspertów w projektach outsourcingowych. Odwróciliśmy tradycyjny model współpracy, stawiając na jasne zasady finansowe i bezpośredni kontakt, co czyni nas najbardziej przewidywalnym partnerem na rynku technologicznym.