Wymagania
• Minimum 3 lata doświadczenia w obszarze DevOps, MLOps lub Inżynierii Oprogramowania, w tym praktyka w pracy z modelami ML na produkcji.
• Zaawansowana znajomość Docker i Kubernetes (zarządzanie klastrami, Helm charts, Ingress).
• Głęboka znajomość Azure (w szczególności Azure ML, AKS, Azure Container Registry) lub GCP/AWS z gotowością do szybkiego wejścia w Azure.
• Praktyka w CI/CD: Doświadczenie w budowaniu pipeline'ów (Azure DevOps, GitHub Actions, Jenkins) uwzględniających specyfikę ML (np. trenowanie modelu jako krok w pipeline).
• Dobra znajomość Python (niezbędna do pracy z SDK narzędzi ML) oraz Bash/Shell.
• Znajomość narzędzi MLOps: Praktyczna obsługa MLflow, Kubeflow lub rozwiązań natywnych chmury do zarządzania cyklem życia modelu.
• Infrastructure as Code (IaC): Znajomość Terraform, Bicep lub Ansible.
• Wykształcenie wyższe techniczne (Informatyka, Telekomunikacja lub pokrewne).
• Umiejętność pracy na styku zespołów Data Science (rozumienie języka danych) i IT Operations (rozumienie infrastruktury i sieci).
Mile widziane:
• Certyfikaty Azure: DevOps Engineer Expert (AZ-400) lub Azure AI Engineer (AI-102).
• Doświadczenie we wdrażaniu modeli LLM (Large Language Models) i architektur RAG.
• Znajomość narzędzi do monitoringu (Prometheus, Grafana, Azure Monitor).
• Rozumienie zagadnień sieciowych w chmurze hybrydowej (VPN, VNet, Private Endpoints)
• Znajomość baz wektorowych (np. w kontekście Azure AI Search).
Polski
English