Poszukujemy AI/ML Engineera z doświadczeniem w projektach chmurowych oraz środowiskach Big Data. Rola obejmuje tworzenie i utrzymanie pipeline’ów CI/CD oraz MLOps, pracę z Pythonem, Dockerem, MLflow, PySpark oraz integracje z usługami AWS. Dołączysz do programu AI rozwijającego generatywne i predykcyjne rozwiązania wspierające obszar bezpieczeństwa finansowego.

Lokalizacja: Warszawa, Łódź, Gdynia, Gdańsk

Tryb pracy: praca hybrydowa (2 dni w biurze)

Informacje o projekcie

•Długoterminowy program AI rozwijający generatywne i predykcyjne modele wspierające obszar bezpieczeństwa finansowego.

•Intensywna faza rozwoju – wdrażanie nowych rozwiązań ML do produkcji.

•Duża swoboda techniczna i szybkie procesy decyzyjne.

•Możliwość tworzenia rozwiązań end-to-end – od eksperymentu po wdrożenie.

Aplikuj, jeśli:

•Posiadasz doświadczenie w Pythonie, Big Data i AWS.

•Znasz pipeline’y CI/CD i narzędzia konteneryzacyjne.

•Rozumiesz MLOps i chcesz rozwijać się w kierunku automatyzacji i produkcyjnych wdrożeń ML.

•Szukasz roli z realnym wpływem na rozwój zaawansowanych technologii AI.

AI / ML Engineer (AWS)

Twój zakres obowiązków

• Budowa i utrzymanie pipeline’ów CI/CD dla aplikacji ML i komponentów Big Data.
• Konteneryzacja aplikacji (Docker) oraz zarządzanie obrazami i artefaktami (Artifactory / Nexus).
• Współpraca z Data Scientistami przy wdrażaniu modeli do środowisk testowych i produkcyjnych (MLflow, opcjonalnie Kubeflow).
• Praca w środowisku Big Data (Hadoop, PySpark).
• Integracja rozwiązań ML/Data z usługami chmurowymi AWS.
• Utrzymanie i rozwój infrastruktury DevOps/MLOps (monitoring, logowanie, bezpieczeństwo).
• Udział w projektowaniu architektury pod nowe modele generatywne i predykcyjne.
• Wspieranie zespołów biznesowych w korzystaniu z dostarczonej infrastruktury i narzędzi.

Nasze wymagania

• Git – praca z repozytoriami, code review, branching.
• Python – minimum 2 lata komercyjnie (skrypty, integracje, narzędzia dla ML/Big Data).
• Bash / Linux – automatyzacja, bardzo dobra znajomość środowiska.
• Jenkins – tworzenie i utrzymanie pipeline’ów CI/CD.
• GitHub / Bitbucket – praca z repozytoriami i integracja z CI/CD.
• Jira / Confluence – praca w metodykach Agile.
• Docker – konteneryzacja aplikacji, budowa obrazów.
• MLflow – zarządzanie eksperymentami, rejestr modeli.
• PySpark – przetwarzanie danych w środowisku Big Data.
• Hadoop – doświadczenie w pracy z HDFS, YARN itp.
• SQL – praca z MS SQL lub Oracle.
• Doświadczenie w budowaniu rozwiązań ML/Data w chmurze AWS.
• Kubernetes / Kubeflow – doświadczenie w uruchamianiu i orkiestracji aplikacji ML.