MLOps Engineer (Mid/Regular) -- Medical AI & R&D

Miejsce pracy Sopot
Region Sopot
Opis oferty O nas i o Twojej roli:
Tworzymy rozwiązania, które realnie wspierają pracę personelu medycznego i rozwój nowoczesnych usług opartych na danych. Poszukujemy osoby na stanowisko MLOps Engineer, która ma już doświadczenie w pracy z rozwiązaniami Machine Learning i potrafi przełożyć prototypy modeli na stabilne, bezpieczne i utrzymywalne środowiska produkcyjne. To rola dla osoby, która dobrze odnajduje się na styku data science, software engineeringu i infrastruktury, a jednocześnie chce rozwijać się przy projektach o wysokim znaczeniu biznesowym i medycznym. 
Twoja rola -- Od modelu do produkcji:
Będziesz odpowiadać za budowę i rozwój rozwiązań MLOps w organizacji. Szukamy osoby, która rozumie, że wartość modelu pojawia się dopiero wtedy, gdy działa on niezawodnie w środowisku produkcyjnym, jest monitorowany, wersjonowany i możliwy do dalszego rozwoju. 
 
Jakie będą Twoje zadania?
  • Projektowanie, rozwój i utrzymanie pipeline'ów ML wspierających trenowanie, testowanie, wdrażanie i monitorowanie modeli.
  • Współpraca z Data Scientistami, Data Engineerami i zespołami biznesowymi przy przenoszeniu modeli z fazy eksperymentalnej do produkcji.
  • Automatyzacja procesów CI/CD dla rozwiązań opartych o Machine Learning.
  • Budowa i rozwój środowisk do wersjonowania modeli, danych i eksperymentów.
  • Tworzenie oraz utrzymanie API i usług udostępniających modele innym systemom.
  • Monitorowanie działania modeli i procesów produkcyjnych, w tym jakości predykcji, wydajności, dostępności i driftu danych.
  • Wspieranie zespołu w standaryzacji dobrych praktyk związanych z wdrożeniami, bezpieczeństwem, testowaniem i dokumentacją rozwiązań ML.
  • Udział w rozwoju rozwiązań z obszaru AI/LLM tam, gdzie potrzebna jest solidna warstwa wdrożeniowa i operacyjna.
 
Co będzie Ci potrzebne?
  • Doświadczenie komercyjne: minimum 3 lata doświadczenia w obszarze MLOps, ML Engineering, Data Engineering lub pokrewnym, w tym praktyczna praca przy wdrażaniu modeli lub systemów data/ML na środowiska produkcyjne.
  • Doświadczenie produkcyjne: masz na koncie samodzielny lub współrealizowany udział w utrzymaniu rozwiązań produkcyjnych; rozumiesz, jak projektować rozwiązania niezawodne, obserwowalne i łatwe do rozwijania.
  • Python i inżynieria oprogramowania: dobrze znasz Pythona oraz potrafisz pisać czytelny, testowalny i utrzymywalny kod.
  • MLOps stack: znasz narzędzia i praktyki związane z CI/CD, konteneryzacją, orkiestracją i wdrażaniem modeli; swobodnie poruszasz się przynajmniej w części z następującego obszaru: Docker, Kubernetes, MLflow, Airflow, Git, FastAPI, monitorowanie i logging.
  • Chmura i infrastruktura: masz praktyczne doświadczenie z przynajmniej jedną platformą chmurową lub środowiskiem opartym o usługi infrastrukturalne wykorzystywane do uruchamiania pipeline'ów i usług ML.
  • Dane i integracje: dobrze rozumiesz pracę z danymi -- potrafisz współpracować z relacyjnymi bazami danych, API i pipeline'ami przetwarzania danych.
  • Niezawodność i bezpieczeństwo: rozumiesz znaczenie kontroli dostępu, wersjonowania, audytowalności i monitoringu w systemach, które wspierają procesy biznesowe i medyczne.
  • Współpraca: potrafisz rozmawiać zarówno z osobami technicznymi, jak i nietechnicznymi, porządkować wymagania i proponować praktyczne rozwiązania.

Mile widziane:

  • Doświadczenie w środowisku regulowanym, np. healthcare, medtech, pharma lub fintech.
  • Znajomość zagadnień monitorowania jakości modeli, data driftu, model driftu i retrainingu.
  • Praktyka w udostępnianiu modeli poprzez REST API lub architekturę mikroserwisową.
  • Doświadczenie z rozwiązaniami LLM / GenAI od strony wdrożeniowej.
  • Znajomość SQL i podstaw praktyk Data Engineering.
 
Co oferujemy w ramach współpracy?
  • Realny wpływ na sposób budowania i wdrażania rozwiązań AI w organizacji.
  • Pracę przy projektach, które wspierają procesy medyczne i mają bezpośrednie przełożenie na jakość usług.
  • Dużą samodzielność, krótką ścieżkę decyzyjną i możliwość proponowania własnych standardów technicznych.
  • Elastyczną formę współpracy (zdalnie / hybrydowo).
  • Zatrudnienie w oparciu o UoP lub B2B – Ty decydujesz.
  • Benefity, które robią różnicę –po okresie próbnym zapewniamy szeroki pakiet dodatków pozapłacowych, w tym: kartę sportową na preferencyjnych warunkach, prywatną opiekę medyczną, pakiet badań laboratoryjnych,  zniżki na  firmowe produkty i usługi, ubezpieczenie grupowe w Allianz, udział w wydarzeniach i imprezach integracyjnych, Pracownicze Plany Kapitałowe.
 
Aplikuj
Data ostatniej modyfikacji poniedziałek, 1 czerwca 2026
Wszystkie oferty pracy