Must have

• Public cloud

• Azure

• GCP

• Polish (Fluent)

Nice to have

• AWS

Requirements description

Original text.  Show translation

• 5+ lat doświadczenia w architekturze korporacyjnej, z czego co najmniej 2-3 lata w projektowaniu i wdrażaniu rozwiązań AI/ML
• Praktyczne doświadczenie z tradycyjnymi modelami AI/ML jak i dużymi modelami językowymi ( LLM)
• Udowodnione doświadczenie w projektowaniu i implementacji architektury hybrydowej (np. AWS, Azure, GCP w połączeniu z on-premise) dla obciążeń AI
• Biegłość w MLOps i DevOps, w tym w narzędziach do automatyzacji, konteneryzacji (Docker, Kubernetes) i orkiestracji (Kubeflow, MLflow).
• Wiedza na temat zarządzania danymi, w tym:
  • projektowania data lake,
  • zarządzania danymi nieustrukturyzowanymi
  • bezpieczeństwa i prywatności danych
• Zrozumienie wymogów regulacyjnych w sektorze finansowym: bankowo - ubezpieczeniowym (np. RODO, DORA)
• Umiejętności analityczne, rozwiązywania problemów i myślenia strategicznego oraz przystępnego komunikowania tematów technicznych
• Wykształcenie wyższe w dziedzinie informatyki, inżynierii, matematyki, sztucznej inteligencji lub pokrewne

Mile widziane

• Certyfikaty z zakresu chmury publicznej np. AWS Certified Solutions Architect, Azure Solutions Architect Expert czy GCP Architect
• Certyfikaty z zakresu chmurowych rozwiązań AI np. AWS Certified Machine Learning Engineer, Azure AI Engineer, GCP AI

Offer description

Original text.  Show translation

• Kontrakt B2B z możliwością długoterminowej współpracy.
• Praca hybrydowa (1 dzień w tygodniu w naszym biurze w Warszawie – w zależności od projektu).
• Prywatna opieka medyczna (Luxmed).
• Karta Multisport.
• Udział w projektach w nowoczesnym środowisku IT z globalną firmą ubezpieczeniową.
• Uproszczony i w pełni zdalny proces rekrutacyjny:
  • Rozmowa z HR (20 min)
  • Rozmowa techniczna (30 min)
  • Rozmowa z klientem (1 godzina)

Your responsibilities

Original text.  Show translation

1. Definiowanie i rozwijanie wizji oraz strategicznej mapy drogowej dla wdrożeń AI w całej organizacji
2. Opracowywanie i utrzymywanie kompleksowej architektury AI, która efektywnie łączy środowiska chmury publicznej i rozwiązania lokalne (on-premise), zapewniając skalowalność, bezpieczeństwo i zgodność z regulacjami.
3. Projektowanie mechanizmów płynnej integracji i współdziałania między LLM a tradycyjnymi modelami ML
4. Współpraca z zespołami ds. danych w celu zaprojektowania i wdrożenia platform danych wspierających różnorodne potrzeby modeli AI, tj. data lake, hurtowni danych, wektorowych baz danych oraz magazynów cech (feature stores).
5. Wprowadzanie i standaryzacja praktyk MLOps i LLMOps, w tym CI/CD, IaC, automatycznego testowania, monitorowania modeli i zarządzania ich cyklem życia.
6. Zapewnienie bezpieczeństwa i zgodności z przepisami.

show all (7)