Must have

• Azure Cloud

• AI

• ML

• TensorFlow

• scikit-learn

• MLOps

• CI/CD

• Data engineering

• Docker

• Kubernetes

• Azure

• English

Nice to have

• LLMS

• SLMS

• Agentic AI

Requirements description

• Proven experience in Azure Cloud architecture and setup
• Strong background in AI/ML model deployment and scaling
• Proficiency with frameworks such as TensorFlow and Scikit-learn
• Solid data engineering skills
• Hands-on experience with MLOps and CI/CD practices
• Knowledge of containerization technologies (e.g., Docker, Kubernetes)
• Expertise in model monitoring and automation
• API development experience
• Familiarity with LLMs/SLMs
• Nice to have: Interest or knowledge in Agentic AI

Offer description

Original text.  Show translation

Rate: 200 - 230 PLN/h B2B

Start date: ASAP/1 month/flexible

Duration: long term (12 months with further extensions)

Work model: 100% remote

Type of cooperation: B2B

Overview We are looking for an experienced AI/ML Cloud Architect to join a project in the automotive industry. This role focuses on designing and implementing scalable AI/ML solutions in Azure Cloud, ensuring robust architecture and operational excellence.

We offer

• MultiSport Plus
• Group insurance
• Medicover Premium
• Access to an e-learning platform

Opis Firmy

Experis to światowy lider rekrutacji specjalistów i kadry zarządzającej w kluczowych obszarach IT. Z nami znajdziesz konkurencyjne oferty zatrudnienia oraz ciekawe projekty IT skierowane zarówno do ekspertów z wieloletnim doświadczeniem, jak i osób, które dopiero zaczynają swoją przygodę w branży IT.

Oferujemy rekrutacje menedżerów i wysoko wykwalifikowanych konsultantów z doświadczeniem w branży IT. Experis jest częścią ManpowerGroup i został uznany za jedną z najbardziej etycznych firm na świecie.

Your responsibilities

1. Design and set up Azure Cloud architecture for AI/ML workloads
2. Deploy and scale AI/ML models in production environments
3. Implement MLOps practices including CI/CD pipelines
4. Develop and maintain APIs for model integration
5. Ensure containerization and automation of workflows
6. Monitor and optimize model performance and reliability

show all (9)