projektowanie, rozwój i utrzymanie infrastruktury MLOps/LLMOps oraz platformy AI
budowa skalowalnego środowiska do trenowania i serwowania modeli z wykorzystaniem Azure Machine Learning, Azure AI Foundry oraz Kubernetes/AKS
tworzenie i rozwój pipeline'ów CI/CD/CT, obejmujących automatyczne testowanie, trening oraz wersjonowanie danych i modeli z wykorzystaniem m.in. DVC i MLflow
przygotowywanie obrazów Docker oraz wdrażanie modeli AI/GenAI na klastrach Kubernetes
integracja środowiska chmurowego z systemami on-premise
rozwój monitoringu i observability modeli, w tym wykrywanie Data Drift i Model Drift, logowanie oraz alertowanie