Senior AIOps Engineer in Kraków

Senior AIOps Engineer in Kraków

Kraków Pełny etat 123750 - 151250 zł / rok (szac.) Hybrydowo
G

W skrócie

  • Zadania: Projektuj, wdrażaj i utrzymuj potężne pipeline'y ML/GenAI w różnych domenach.
  • Firma: GE HealthCare - lider w dziedzinie danych i analityki.
  • Benefity: Atrakcyjne wynagrodzenie, benefity zdrowotne oraz możliwość pracy zdalnej.
  • Pozostałe informacje: Dynamiczne środowisko z możliwościami rozwoju kariery.
  • Dlaczego ta praca: Pracuj nad innowacyjnymi rozwiązaniami AI i wpływaj na przyszłość opieki zdrowotnej.
  • Kwalifikacje: Doświadczenie w ML/GenAI, umiejętności w Pythonie i chmurze.

Przewidywane wynagrodzenie mieści się w przedziale 123750 - 151250 zł za rok.

GE Health Care’s Chief Data and Analytics Office (CDAO) seeks a Sr Staff AIOps Engineer in Kraków to design, deploy, and maintain robust ML/Gen AI pipelines across enterprise domains.

You will partner with IT and cloud teams to optimize infrastructure for AI workloads in hybrid/multi-cloud setups.

The role requires deep ML/Gen AI ops experience, strong Python and cloud skills, and proven collaboration with data scientists, engineers, and stakeholders to drive scalable, reliable AI solutions.

#J-18808-Ljbffr

Senior AIOps Engineer in Kraków – pracodawca: GE HealthCare

GE Healthcare to doskonały pracodawca, oferujący wyjątkowe możliwości rozwoju zawodowego w dynamicznym środowisku międzynarodowym. Nasza kultura pracy opiera się na współpracy i innowacyjności, a pracownicy mogą korzystać z szerokiego pakietu benefitów, w tym elastycznych godzin pracy oraz programów wsparcia równowagi między życiem zawodowym a prywatnym. Pracując w naszym zespole, będziesz miał okazję wpływać na rozwój technologii medycznych, co czyni tę rolę nie tylko satysfakcjonującą, ale i znaczącą dla zdrowia ludzi na całym świecie.

G

Dane kontaktowe:

Zespół rekrutacyjny GE HealthCare

Naszym zdaniem te umiejętności pozwolą ci błyszczeć jako Senior AIOps Engineer in Kraków

ML/GenAI ops experience
Python
Cloud skills
Infrastructure optimization for AI workloads
Collaboration with data scientists
Collaboration with engineers
Collaboration with stakeholders